机械研究生结构岗工作现状，0offer

秋招海投忘记什么时候投的睿联了，但是这家公司面试进度推进的很快，整体面试体验也很好，面试官是很和蔼可亲的笔试9.19:具体考了什么有点忘记了，笔试做了好多家，但是考的无非就是工程制图，机械原理，机械设计这些专业课的东西一面10.13:本来自主面试约了10.14下午三点多的，但是13号下午我刚打算午休补觉的时候面试官打电话过来说要面试了，会议室没有人，我后面才知道面试时间被调前一天，但是我没收到相关通知。。。反正稀里糊涂就面上了上来还是我的老演员PPT了，跟面试官自我介绍一下就说了一些校内比赛和项目经历，然后展示了一下个人作品，之后有问到几个问题1.齿轮的一些参数有哪些2.蜗轮蜗杆有没有了解（平常没有用到，但是有些相关知识还记得清，勉强答上来了）3.蜗轮蜗杆和普通齿轮减速箱传动有什么区别4.平常有了解塑料外壳的加工吗5.3d打印的话有没有了解，用的什么打印机6.比赛中常用的有哪些材料，怎么加工的二面10.20:一面结束后周三收到了自主预约面试通知，我约到了20号二面主要也是问了一些项目和专业知识，但是主要还是以实际情景做一个开放式回答，自我介绍依旧PPT老演员了1.要确定一个齿轮有哪些参数（模数、齿数、压力角、齿厚等）2.得到一个齿轮后要确定什么东西（制作材料、齿轮的相关参数啥的）3.齿轮疲劳强度有没有了解（这里我当时没听清楚，脑子还没转过来，答了齿轮的失效形式😨但是面试官也没打断我，但是失效形式也没答全，答了个齿断裂，点蚀）（这里是真不会了，希望不要出问题😭）4.工程制图中一个图上要标注些什么东西（答了尺寸、形位公差、表面粗糙度，面试官补充：材料）5.确定一个螺丝要有哪些参数（答:螺距、大径、螺纹长度、公差等级，面试官补充：头型和槽型，我光记得螺纹那块了，忘记头型了）6.家庭情况7.期望薪资8.职业规划9.塑料瓶怎么加工的，为什么不能用注塑工艺（这点因为我觉得前面答的太差了，记起来主要这家公司做摄像头的，结构就是搞塑料外壳，就在反问期间有提到模具加工，面试官就多问了一个问题）（答:塑料瓶一般采用吹塑加工，不用注塑因为难脱模）总结：一面二面很多都是给你一个情景让你以结构工程师身份去思考问题，面试体验很好，但是二面问题都答上了但是没答的很全，希望不要被刷，真的很想去睿联了 😨

1、自我介绍 2、对我们公司的了解？ 3、是最近投递之后才开始了解的吗？ 4、你投递的是机械工程师，你了解过在公司里具体负责的吗？ 5、介绍一个项目，项目你做了什么？有没有遇到什么困难，如何解决 6、毕业课题你做了什么？算法是你一个人做的吗？ 7、反问环节 问了一点工作内容、培养流程 面试时长30分钟左右

作为一名大数据工程专业的研究生，收到华为的实习面试邀请后，我既兴奋又有点紧张。华为在大数据、云计算和AI方面的项目一直颇具规模，我在实验室也经常用到华为云的分布式存储和计算工具，所以这次机会对我来说既是挑战，也是检验自己能力的时刻。面试当天是线上视频面试，HR提前一天发来了会议链接，还贴心地提醒我准备好稳定的网络和耳麦。面试开始，首先是自我介绍环节，我简单交代了自己的学业背景、参与过的项目，以及在实验室做的两个与数据仓库建设相关的课题。技术面提问部分面试官是一位资深的大数据架构师，第一句就直奔主题：“你在项目中具体承担了哪些角色？有没有数据模型设计的经验？”我提到了在校期间参与的一个基于Kimball维度建模的销售分析系统项目，并详细描述了如何在需求分析阶段识别业务过程和度量，以及如何根据不同的数据主题域设计星型模型与雪花模型。我还补充说明了在ETL流程中，如何处理缓慢变化维（SCD），尤其是Type 2类型的实现方法，包括在Hive中通过分区与有效期字段来管理历史数据。他听完后很感兴趣，追问：“如果我们有一个订单事实表，需要支持多维度分析，比如时间、客户、产品，但不同维度的数据规模和更新频率差异很大，你会怎样设计？”我答道：时间维度：预先生成完整的日期维并缓存在DW中，保持稳定不变；客户维度：考虑缓慢变化维，保证历史分析的准确性；产品维度：用码表+关联，保持高查询性能。并说明了在分布式环境（如Spark SQL）下，为避免join带来的性能瓶颈，可以使用广播join或分桶策略。场景题与解决思路接下来，他给了一个具体问题：“如果每天有上亿条设备日志进入系统，需要在分钟级完成故障模式检测，你会怎样设计架构？”我回答：数据采集：采用Flume/Kafka作为实时数据入口，将日志按主题与分区进行路由；实时计算：使用Flink进行流处理，通过窗口函数实现分钟级聚合；特征提取与模式匹配：在流计算过程中调用预先训练好的模型（可能是基于TensorFlow或PyTorch），完成在线推理；数据落地与分析：实时结果入ClickHouse或HBase，历史数据入Hive供离线分析；监控与告警：接入Prometheus+Grafana实现实时监控，并结合规则引擎触发告警。面试官点头认可，但提醒我在实际生产中需要考虑容错和数据延迟问题，比如Kafka的副本机制、Flink的checkpoint与状态恢复等。综合能力考察除了技术问题，他还考察了我的沟通能力与学习能力。他问：“如果你负责的某个数据模块上线后用户反馈查询慢，你会怎样定位问题？”我回答说会先定位问题范围：是前端展示慢还是后端查询慢；如果是后端，先看sql执行计划，分析是否由于join、group by等操作导致大量shuffle；再检查数据倾斜情况，必要时用加盐、按范围拆分等方式优化；同时关注底层存储的索引与分桶方式。思维延展与职业规划最后，他关心我的职业规划。我表示自己未来希望在数据架构与数据治理方向深耕，不仅掌握数据采集、处理、存储的全链路技术，还能从业务视角建立完善的维度模型和指标体系，提高企业数据资产价值。这与华为在智慧城市、通信网络、云平台等领域的需求非常契合。面试在轻松的氛围中结束，面试官说技术能力还不错，但建议我在模型设计中更多考虑跨域数据整合的复杂性，以及如何在超大规模数据环境下保持模型的易维护性。HR最后告知后续会有二面，可能会有更深层的系统设计题与现场编码题。面试感受与经验总结这次一面让我体会到几个关键点：准备要针对岗位需求 —— 华为的大数据实习不只是写代码，还要理解业务流、模型设计、性能优化，尤其是Kimball建模在企业级场景的落地方式。案例要具体 —— 面试时举的例子最好能体现规模、挑战与解决方案，比如数据量级、延迟要求、架构选型等细节。思维要全面 —— 技术方案不仅要能跑通，还要考虑高可用、可扩展性、运维成本等。表达要清晰 —— 把复杂的设计讲清楚，有时候比技术本身更重要。总之，这次面试虽然是虚拟的情景，但过程很真实，如果你未来准备大数据方向的华为面试，可以借鉴这种“技术细节+业务场景+性能优化”的答题方式，即使遇到陌生问题也能从架构思路入手，让面试官看到你的系统性思考能力

面试官给我介绍了一下岗位要求 1、自我介绍 2、对岗位的了解及自身优势 3、项目中遇到的困难，如何解决的 4、项目中学习到什么，有什么不足 5、团队如何合作交流更有优势 6、设计优先级如何考虑 7、结构与电更倾向哪个 8、英语口语如何，有一定的要求，可以尝试用英语介绍一下你自己或者学校 9、反问环节