科大讯飞数开日常实习

前几天也面试了贝壳，感觉大部分是八股1 先自我介绍2说一下mapreduce的几次排序，都是啥排序，大概是在啥时间进行的排序3说一下spark的3种join，这3种join为啥可以进行优化代码，哪些场景适合啥join4 说一下数据倾斜的现象，你工作中有遇到吗，是怎么解决的，解决思路是啥，解决完成之后时效有明显提升吗5 平时任务有时效性要求吗，比如业务需要1点前产出，你们这边怎么设置任务基线，怎么确保任务准时产出6 晚上对于脏数据和异常起夜都是怎么应急处理的，大概会有谁参与7 对于数据治理你感觉需要治理啥，哪些治理的收益大8你这边有啥需要找我了解的个人觉得大部分是八股，其它都是一些主要场景，没有问实时，估计实时不多

国际化事业部 数据开发当时挂了，官网显示已进入人才库求滴滴的同学感兴趣的捞捞我

1.自我介绍2.你学数学为什么想做数据开发？3.介绍一下实习期间的工作？4.实习期间团队规模？主要的业务是什么？5.接受实习期间最有难度的项目？6.你是怎么对接需求的？怎么做到前端的看板？7.有没有过直接处理数据源的经历？还是所有的数据对你来说都已经落到 hive 表了8.有考虑过数仓分层设计吗？9.你对于业务域和公共层的划分有了解吗？10.在实习过程中遇到数据倾斜情况吗？怎么处理？11.数据倾斜的主要原因是什么？12. mapreduce 了解过吗？大概介绍一下。13. spark 有学习过吗？spark 如何划分 stage?14. 介绍一下星型模型和雪花模型15.实习过程中最大的收获16.未来的职业规划17.sql 手撕：用户互相关注18.如何优化这个任务

一面： 1.实习经历追问，数仓建设流程 ，为什么要设计各个层2.spark的任务调度流程，spark的数据量级3.spark的性能优化经验？4.如何定位任务失败？有哪些原因？分别应该怎么处理5.对于数据治理的理解，在元数据管理的治理中不同的元数据分别有什么作用？你是怎么使用的？6.数据倾斜的情况在具体的什么业务中出现，举例，并给出你的优化方案7.如何去保障数据的质量？数据标准你是如何制定的？8.为什么源数据存在mongoDB？9.了解agent么？大致讲一下agent的工作原理，mcp和functioncalls的区别是什么？10.是否参与过模型的微调？agent的数据具体如何处理？数据增强那一块是怎么做的？手撕：拓扑排序，leetcode hot100课程表的变形 medium难度