1h 1. 自我介绍2. 上来就做题，3道题，然后拷打思路3. 项目介绍4. 项目深挖 人员配置，工作比例，具体到哪张表是谁开发的5. dwd的设计理念，怎么构建的6. 数据集市和数据仓库的区别7. 事实表的类型反问：1. 业务2. 应届生的要求3. 对AI的看法

55min 自我介绍Spark shuffle过程算法题 * 2T1. 给定二维数组，1代表陆地，0代表海洋，四方向联通 问岛屿数量 BFST2. 给定地铁线路 * N，每条线路有M个站点和M - 1个距离给定地铁计价方案，四级阶梯，额外每10公里1块钱问最短路和票价建图堆优dijkstraHive MySQL用过吗（简单聊了一下用Spark为主，Mysql没用过）那SQL会吗？SQL：找出首日登录后第二天也登录的玩家占比反问还挺简单（）

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

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