字节Data大数据开发暑期实习面经

📍 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。

1. 先做个自我介绍吧。2. 实习主要做了些什么？3. Spark 和 Hadoop 有啥区别和优势？4. MapReduce 的运行流程是怎样的？5. MapReduce 哪个阶段最容易成为瓶颈？6. 用 Spark 执行 SQL 时，遇到数据倾斜或 OOM 怎么解决？7. 你怎么通过 Spark UI 来定位问题？8. 讲讲数仓的分层结构？9. 如果一个紧急需求和你手头的任务冲突了，你怎么平衡和沟通？10. 手撕 SQL：简单的分组聚合求前三。11. 手撕算法：寻找数组中每个元素的第一个更大元素（单调栈）。

主要问了实习，算法题:一面是倒数第k个链表元素二面是字符串大数相加三面是合并区间另外问下字节三面是不是要排序很久呀，我一二面都是隔天过的，三面已经过去两个工作日了，急。

timeline：9.1投递半小时后约面，9.2一面当场通过约二面：26届秋招字节后端一面面经详细版9.4二面当场通过约三面，9.8（隔了个周末）三面当场通过约HR面，9.10HR面；已oc等待意向二面：总结：实习35min+算法拷打两道，无八股，总时长一小时，且无反问先自我介绍，重点讲解一下实习做的是什么业务1.详细说一下你实习的整个系统，让我看看你对系统的理解答：实习相关，略（这部分可以结合自己的实习内容，重点在于梳理整体的链路，你主要负责的服务位于系统上下游的位置，和哪些上下游进行交互，提供什么功能，为了完成什么业务）2.你们系统如何保证分布式系统中的一致性？答：适当扩展一些分布式一致性...