随着AI的发展，数据人的工作边界，正在发生变化。过去我们更熟悉的是这些词：ETL、数仓分层、指标体系、实时链路、BI 报表。这些能力当然依然重要。而且直到今天，它们还是企业数据建设的基本盘。但现在，很多企业对数据团队的期待，已经不只是：把数据算出来。而是开始进一步要求你去支撑：智能问答/企业搜索/RAG 检索增强/Agent 工具调用这意味着，数据人做的事情，正在从“建数仓”，慢慢走向“建 AI 数据底座”。未来已来，该考虑不是数仓还要不要做？而是从做数仓到做 AI 数据底座，数据人到底该补什么能力？一、不是数仓没用了，而是只会数仓已经不够了先说结论：数仓能力不会过时。因为 AI 数据底座的很...

重新复习加深考点1. 实习内容2. 数据建模做了啥，上下游是谁3. 数据量大小，具体到每天的表4. 数据模型有哪些？5. 怎么定位解决实际开发问题的，可以围绕数据倾斜展开6. spark任务底层执行过程7.spark shuffle过程8. spark join 底层9. aqe底层是怎么实现的10.为什么做报表要hive2doris?11. doris底层，它索引什么类型12. doris和hive对比13. mysql数据库底层索引，为啥b+树叶子结点范围查找就更快14. 数仓分层有什么作用？15. spark源码看过吗？16. 算法题打家劫舍 空间时间复杂度

第一题，车以为和上次的贪心一样，结果就是非常简单的模拟第一次忘了小于0的时候归为0，对了90.第二次就满分了第二题，拓扑，就是入度一开始空间超了，是忘了把减去的点remove了。后面就直接过第三题，很意外为什么25？一开始以为是去重，后面发现好像不用。但是我暴力算的话，5%？还没有直接最大减去最小判断的25%多呢？第四题，很难，写了写输入

有没有滴滴网约车平台出行技术或是平台技术oc了的，这个池子到底是有多大