面经｜快手-数据开发实习

2024.12.23（一面）

一面 （1h 5mins）
- 实习拷打
  - 快手-评论模版留存率（10 mins）
    - 严格漏斗和非严格漏斗的区别
  - 字节-链路改造优化
    - 延伸：数据的时效性怎么保证（从整体和单点分别叙述）
    - 延伸：优化任务的思路
    - 延伸：并行度相关的改法（三种）
    - repartition（）能改变第一个stage的shuffle write的并行度吗？
    - 第一个stage的shuffle write的并行度由什么决定？
  - 字节怎么分的数据域
  - 字节分了哪些主题域
  - 数据域和主题域的区别（主题域：自上向下，从分析的角度划分）
  - 分层的意义（复用性和一致性）
  - 怎么考虑分层，该分多少层（直接说了没必要在意这个，要理解分层的本质，面试官表明说的也有道理，也抛了另一个观点：肯定要分层，需要有不同粒度的数据，每个人在意数据都不同，比如说老板在意汇总层的数据，数分可能更在意明细层的数据，另外，在做归因分析的时候也需要血缘追踪）
- SQL题

二面 （26 mins）
全程实习拷打
- 自我介绍
- 字节实习
  - 多机房代码一致性怎么保证的（治理存量，增量通过oceanus）
  - 多机房涉及到的网络问题（通过全球化数据迁移解决）
- 快手实习
  - 评论模版留存率
    - 严格漏斗和非严格漏斗的区别（准确性和计算量之间的取舍）
    - 为什么这样设计
    - 最终的目的是什么
    - 有没有想过通过抽样解决数据量大的问题
- 反问