1. 实习日常工作都做什么2. 数仓的分层，主题域3. 流量域ods层上游数据源是什么，整体的数据加工链路4. 介绍一下spark，当下能想到的所有关于spark的内容5. rdd弹性数据集，弹性体现在哪些方面6. 引起数据倾斜，spark-ui的看法7. 数仓基建，模型改造是怎么做的，背景是什么8. 简历上的旧任务迭代具体是什么9. 任务优化，主键是什么，具体怎么做的，任务执行为什么慢10. 数仓用户域的改造（个人项目11. spark的任务提交和执行流程12. 怎么评价一个模型设计的是好是坏13. hdfs的读写流程，为什么是三个副本14. 知道温存吗，生命周期是什么15. python装饰器是什么。。。。。。16. 小文件产生原因及危害17. Sql 两个简单group by 一个留存率 一个连续登录18. 算法题：移动最少区间个数 使得剩余区间无重叠  1. 输入：[1,2][2,3][4,6][1,3]  2. 输出：1  3. 解释：移除[1,3]后，剩余区间无重叠19. 算法题：链表的两数相加

30min1.自我介绍2.数仓项目分层的作用3.项目架构（每层的作用和构建流程）4.dim层和dwd层的区别5.项目构建的全流程（答：数据调研，指标需求调研等）6.hive的架构7.hive的分区和分桶8.外部表和内部表9.hdfs架构10.flink架构，水位线11.kafka架构12.doris架构13.如何判断一个数仓构建的好坏14.指标体系反问公司业务？这里我问了面试官选择计算机这条路的建议，面试官让我多学AI，强调了很多AI的重要性

1.自我介绍2.实习项目细节3.场景题4.换另一个面试官继续问反问京东科技部门，整体面试时间基本刚刚30min左右，有点奇怪，感觉披皮面偏算法的数据挖掘类，一直在围绕数据打标签这些来说，问我sql的场景题是说一张hive表只有一个字段id，怎么对他打序号标签，我回答用rownumber这类函数，他说在数据量小的时候可行，但是我现在假设有30亿条数据，你能想到什么办法后面换了个面试官问我的也是机器学习怎么做预测，之前实习里调了哪些参数（简历有写），然后问我类似的标签场景题

结果：准备的不太好一面挂岗位类型：日常实习1.我看你spark用的比较多，我问你spark的问题吧，sparksql怎么转为底层的执行？2.解释一下RDD，包括RDD特性等。3.数据倾斜你是怎么解决的呢？4.spark shuffle的优化。5.spark 相关源码有了解吗？6.SQL题，行转列json的拆分(可能是用get_json_object?)（写不出来————）+ lateral view 7.还有个开窗题，dense_rank() 和 sum()的开窗。8.Dense_rank,row_number,rank的区别。9.为什么要设计DWD层，直接DWS层从ODS中读取可以吗？10.拉链表优点缺点。