1、项目自我介绍2、hive的读写流程，底层用的是啥，Hadoop生态分几个部分3、你用过几个数据库，详细讲述项目中遇到的问题4、用过spark没？他跟hive有什么区别，出现数据倾斜你是怎么解决的6、有没有接触机器学习，聚类算法的原理是怎么样的7、数据同步后你是怎么校验数据的，有没有了解过spark3.0出现什么新的原理基本都答上来了，也过了，后面说岗位缩减，放鸽子了。还有就是底层原理还是差了点

自我介绍(项目问题)1.展开说一下项目当中关于数据治理和指标体系构建的思路，你是怎么做的？(答的不够清晰，追问)关于计算查询优化的解决方案是怎么做(比如有没有用到冷处理)2.你展开说一下关于ai agent项目？(答的不够清晰，追问)所以做的主要是工作流的梳理？没有涉及到大模型的应用嘛？(这里说了本地化部署)你平时使用大模型做什么？3.学校里做了很多科研，都是数据建模类的，有没有做一些数据分析类的(这里答的不好，我估计面试官想听有没有大数据处理经验)4.你后续的职业规划是什么(计算机基础)1.说一下常见的数据结构特点和应用场景2.有没有了解过二叉树和搜索树这些基本内容？3.mysql的底层原理...

之前也面试过陌陌数据开发，问的问题如下，可能是八股多一点1，先进行自我介绍2 你这边数仓怎么分层的，你感觉那一层最复杂也最重要，为啥要这么分3 说一下shuffle和宽窄依赖 怎么可以避免shuffle4 说一下spark的4种join优化，哪些场景适合有这个join5 有遇到数据倾斜问题吗，如何定位数据倾斜，定位到了该怎么处理，处理完成之后性能提升多少6 看你有用实时，你这边实时任务资源怎么分配，如何保证你实时的数据不延迟7 讲一个你这边感觉最有挑战性的业务，你从这个项目收货了哪些东西，给你带来什么成长8 今后还打算一直做数据相关的工作吗，有换行业或者换岗位工作的打算吗9 有啥想要找我了解的

​ #数据人的面试交流地##数据人offer决赛圈怎么选#​ 昨天也是被字节二面狠狠拷打了，问了一些Spark的技术细节和很多在上家公司的工作内容和项目架构，压力山大，不过感谢面试官捞我，算是通过了。​ ok，现在分享一下当时出的一道手撕题： 存在表tablea(uid, cookie_id), 其中uid和cookie_id是联合主键 存在表tableb(uid, order_id), 其中uid和order_id是联合主键 求(uid, cookie_id_cnt, order_id_cnt) 性能越快越好 当时首先想到是对两张表分别分组聚合再join select COALESCE(a....