2026届拼多多服务端开发工程师笔试

只能说现实给我沉重一击，本以为bg还凑合，能混个实习继续努力来着没想到全挂零了bg icpc银 末9本澳硕项目一个spark structured streaming做的批处理一个iceberg的数据仓库投了十几家，挂了六七家简历只有一家给面然后秒挂其他家都没反应（已投2-3周以上）基本都凉透了

一面（8.27）实习内容 还在职吗 实习期间主要干什么 和你对接的同学有哪些 产运和算法同学怎么使用你产出的数据 数据集底层用什么技术栈 你写SQL任务的时候是怎么优化代码的，写代码的时候哪些地方需要注意 有自己搭建过看板吗 知道SLA基线吗，有主动了解过吗大数据技术问题 一个spark任务怎么优化 发现写好的spark任务运行的很慢要怎么办 数据倾斜怎么处理 如果任务在读文件的时候运行很慢怎么办 内存利用率过低怎么办 CPU利用率过低怎么办 你经常用的spark参数还有哪些SQL  table 有字段id user_id_list device_id_list app_id_list 写一段...

之前面试了蚂蚁数仓开发，面试内容如下1 介绍一下自己2 介绍一下Hadoop生态圈的技术3 看你做了财务数据，能说说你们财务数据是怎么建设的吗4 平时有遇到数据不准和脏数据问题吗，怎么解决的，起夜处理过吗5 对于数据倾斜和数据治理怎么弄的6 看你做过实时，为啥要做实时任务，离线的数据不能解决吗，实时成本怎么控制，延迟了怎么解决，有遇到过延迟问题吗7有什么想问我的

📍 公司：虾皮（Shopee）💼 岗位：大数据开发工程师📅 面试时间线：7.30 一面8.4 二面8.8 收到感谢信（未通过）面试问题记录请介绍你实习中负责的数仓数据流向及核心业务场景。详细说明一个具体业务模块，包括所用技术栈与上下游用户。针对问题2中的业务，如何处理并发场景下的“不可重复读”问题？大数据技术栈掌握情况？重点提问 Spark 的使用经验。如何优化实际 Spark 任务？请举例（如数据倾斜、Shuffle 优化）。描述快速排序算法的基本思想（穿插在数据倾斜优化中考察基础）。是否遇到过数据写错的情况？若数仓数据写入 Kafka 错误，如何修复？➤ 进一步追问：HDFS 数据已错，但 Kafka → 业务表已生效，如何保证一致性与服务可用性？若需从某个 Kafka Topic 消费数据并入库数仓，你会如何设计流程？（开放性问题）🙌 面试感悟虽为实习经历深挖，但问题贴近真实生产场景，尤其关注高可用、数据一致性、容错与恢复机制；对数据链路的闭环理解要求较高，需清楚“从出错到修复”的全链路影响；建议提前准备：✅ 典型数据倾斜解决方案（如加盐、两阶段聚合）✅ Kafka 重放与幂等写入策略✅ 数仓分层中各层容灾与回溯能力设计📌 C端业务对数据质量与系统稳定性要求高，面试更倾向考察“出问题后怎么办”的应急思维。