60min左右自我介绍+实习经历介绍一下shufflespark性能优于mapreduce的原因介绍一下宽窄依赖HDFS小文件问题在实习过程中处理过任务优化吗？大数据倾斜问题怎么处理？spark调优手段？Flink的Watermark机制TCP 和 UDP可以简单介绍一下三次握手吗？数据库里边为什么要使用索引B树跟B+树有什么区别点？B+数还有什么特性吗？索引在哪些情况下会失效？介绍一下python深浅拷贝多态了解吗？Java里边的hashmap了解过吗？代码考核一道sql+一道算法题sql：找出至少连续两天在线的用户数算法题没做出来..面试官人很好一直在提醒我，但是还是没做出来..我一直哭继续刷leecode去了

女面试官，电话初面时长25分钟，面试风格很严肃，中间如果你回答的点不是她想要的，会打断。八股问的很多，比较底层1，你的课题是基于什么语言实现的？你最擅长什么语言？2，进程与线程的区别？3，linux系统下，用什么命令去帮助查询测试bug的定位？4，python当中有哪些，可变数据类型，有哪些不可变数据类型？5，list的常用命令是哪些？6，可变类型中，dict和list的区别是什么？7，登录测试用例设计，需要使用哪些测试方法？8，如何对黑盒测试设计用例？需要注意什么？9，就登录模块为例，除了等价类和边界值法，如果账号的类型除了电话号码，还有用户名，身份证这些，还有什么方法可以高效设计测试用例？...

22分钟 真快啊自我介绍Spark 对比其他引擎优劣处SparkAQE的功能数据倾斜的成因、解法SQL中DENSE_RANK vs ROW_NUMBER()场景题：200亿条user_id 要求全局有序对湖仓了解吗？对特征平台了解吗？提到擅长对问题的“抽象能力”，如何举例说明？怎么理解数据工程？怎么理解ETL？有offer吗？会AI、大模型吗？感慨：很紧张，好几个答的不知道对不对，而且场景题准备过结果突然愣神了唯一一个实习面试，希望能过吗

1.mapreduce执行流程2.hdfs如何保证数据一致性3.flink和kafka如何保证数据的一致性4.flink的checkpoint里的barrier对齐和非对齐分别如何实现exactly-once；非对齐实现需要怎么做？5.kafka如何保证数据一致性6.spark和mr的shuffle有哪些区别7.spark的内存参数一般怎么调整；一般集群的spark内存参数会在什么样的一个级别？8.数仓分层，每一层有什么作用？具体的全链路流程是什么样的？9.维表应该如何进行设计？10.用户画像如何搭建？11.然后是一些数据结构的考察。12.然后是两道sparksql题，不难。其中一个是考察数据构造，需要对sparksql有较深的使用了解。