【秋招面試】位元組面試準備（一面準備）

開頭

大家好,我是程式員Manor,我希望自己能成為國家復興道路的鋪路人,大資料領域的耕耘者,平凡但不甘于平庸的人，

事情是這樣的：

期末考后，我在實習僧試著投了投位元組的實習崗，沒想到收到了校招的面試邀請

實際上演算法這塊我還是個菜狗
沒辦法機會難得，不知道下次能不能這么走運
只能硬著頭皮上了……

以下是我做的一些面試準備：

開場白

面試官你好，我是面試咱們公司大資料開發崗位的xxx，就讀于上海大學的資料科學與大資料專業，2022年畢業，在校期間做過2個大型數倉專案，其中教育數倉專案通過大資料處理分析技術，為企業發展提供切實可行的中觀指導意見，除了學習之外，我也喜歡寫寫博客，復盤所學的知識,輸出自己的成長經歷，十分感謝貴公司提供的這次面試機會，期望有幸能夠加入貴公司，成為大家的作業伙伴，

教育數倉專案介紹

專案背景：受互聯網+概念，疫情影響，在線教育，K12教育等發展火熱，越來越多的平臺機構涌現，但是由于資訊的共享利用不充分，導致企業多年積累了大量資料，而因為資訊孤島的問題，一直沒有對這些資料進一步挖掘分析，因此也不能給企業的管理決策層提供有效的資料支撐，
專案價值：我們做的這個教育大資料分析平臺專案，將大資料技術應用于教育行業，用擅長分析的OLAP系統為企業經營提供資料支撐，
實作思路：建立企業的資料倉庫，把分散的業務資料預處理，其次根據業務需求從海量的用戶行為資料挖掘分析，定制出多維的資料集合，形成資料集市，供各個場景主題使用，最后用BI工具，進行前端展示，
技術架構：mysql，sqoop，基于CM的Hive，Oozie和FineBi，由于OLTP系統中資料大多存盤在mysql，所以我們最終選擇Sqoop作為匯入匯出工具，抽取資料到數倉，并使用基于CM管理的Hive進行資料清洗＋分析，然后sqoop匯出到mysql，最后用FineBI展示OLAP的資料分析結果，
三大痛點：一是資料量太大問題，傳統資料庫無法滿足；二是系統多，資料分散問題，無法解決資料孤島問題；三是，統計作業量太大，分析難度高問題，無法及時為企業提供資料參考，

物流數倉專案介紹

專案背景:本專案基于一家大型物流公司研發的智慧物流大資料平臺，該物流公司是國內綜合性快遞、物流服務商，并在全國各地都有覆寫的網點，
業務規模:經過多年的積累、經營以及布局，擁有大規模的客戶群，日訂單達 上千萬，如此規模的業務資料量，傳統的資料處理技術已經不能滿足企業的經營分析需求，
專案價值:公司需要基于大資料技術構建資料中心，從而挖掘出隱藏在資料背后的資訊價值，為企業提供有益的幫助,帶來更大的利潤和商機，
專案細節:
物流環節:大資料專案主要圍繞訂單、運輸、倉儲、搬運裝卸、包裝以及流通加工等物流環節中 涉及的資料、資訊等，
指導方向:通過大資料分析可以提高運輸以及配送效率、減少物流成本、更有效地滿足客戶 服務要求，實作快速、高效、經濟的物流，并針對資料分析結果，提出具有中觀指導意義的解決方案，
應用案例:針對物流行業的特性，大資料應用主要體現在車貨匹配、運輸路線優化、庫存預測、設備修理預測、供應鏈協同管理等方面，

人家的面經

作者：楊超越救救孩子啊
鏈接：https://www.nowcoder.com/discuss/170799
來源：牛客網

早上九點的面試，投的南京的崗位
一面：
一面面試官人很nice，遇到不會的也會安慰我說沒關系，
上來先自我介紹，
說下專案，
說說對hadoop的理解，都有哪些組件，分別是干什么的
還了解大資料其他組件嘛？這里我說了下kafka，然后巴拉巴拉，，，
kafka在什么地方需要用到zookeeper
了解HBase嗎？
說下spark中的transform和action
為什么spark要把操作分為transform和action
spark中有了RDD，為什么還要有Dataframe和DataSet？
了解函式式編程嗎？說下c/c++和scala這種函式式編程語言的區別
Java中抽象類和介面的區別
都有抽象類了為什么還要有介面
了解GC嗎？說說
然后寫一道編程題，給個字串，只有(){}[]，看看是否是匹配的，
用個堆疊直接解決了，問下優化，如果遇到右括號，在查看堆疊頂元素的時候如果不匹配直接回傳false
還有什么要問我的嗎？
還聊了下他們的團隊作業內容，主要對Spark的原始碼進行修改，還有其他等等
大概是這些內容了，
二面：
二面面試官很嚴肅的感覺，不像一面面試官那樣，比較輕松
上來就聊下專案
專案中kafka怎么使用的
了不了解nginx
給一個日志檔案，有用戶ID，時間戳，url，用mapreduce如何給出每天每個站點的訪問任務
在這個程序可能會出現什么問題？我這里答了會出現資料傾斜，然后問如何解決
資料庫都有哪些引擎
資料庫的鎖了解哪些，說說
應用層協議有哪些
什么場景用TCP，什么場景用UDP
HTTP狀態碼都有哪些，具體說一下
HTTP長連接和短連接
url和uri的區別
還問了http請求頭的一些欄位內容
還是上面那個日志，不過現在所有的資料是在資料庫中，寫條sql陳述句查詢近一個月每天每個站點的訪問人數，
有什么要問我的嗎
二面很多沒答上來，感覺涼了，沒想到給我過了，，我現在還在懷疑人家是不是搞錯了，，
三面：
三面面試官人也挺好，聽聲音是個大叔啊哈
首先還是自我介紹
說下專案
平時開發環境是windos還是linux
開發使用什么語言比較多
執行緒和行程的區別
hashmap的實作
hashmap的loadfactory是干嘛的
hashmap的擴容
為什么每次擴容都是翻倍，增加1.5倍不行嗎
擴容的時候為啥不多擴一點，比如4倍
來了道演算法題，兩個三十六進制字串的相加
一條直線可以把一個平面分成2個平面，兩條直線最多分成4個，問n條直線最多分成幾個面
有什么要問我的嗎

試著答了一下

1.說說對hadoop的理解，都有哪些組件，分別是干什么的

Hadoop是大資料的組件，由HDFS，MapReduce和Yarn組成，HDFS主要負責資料的存盤，MapReduce是作為計算引擎，負責計算，Yarn負責資源調度

2.還了解大資料其他組件嘛？這里我說了下kafka，然后巴拉巴拉，，，

Kafka是一個基于訂閱發布模式的高性能、高吞吐的實時訊息佇列系統，用于實時架構中，實作將實時資料采集的資料進行實時存盤，供于SparkStreaming或者Flink等工具實作實時資料消費處理

3.kafka在什么地方需要用到zookeeper

三種情況：
需要用到存盤元資料和交換集群資訊
解決分布式一致性問題
需要要消費者知道現在那些生產者（對于消費者而言，kafka就是生產者）是可用的，

4.了解HBase嗎？

Hbase是一個基于分布式記憶體和HDFS的按列存盤的NoSQL資料庫，適合于需要實時的對大量資料進行快速、隨機讀寫訪問的場景

5.說下spark中的transform和action

1，transformation是得到一個新的RDD，方式很多，比如從資料源生成一個新的RDD，從RDD生成一個新的RDD

2，action是得到一個值，或者一個結果（直接將RDD cache到記憶體中）

6.為什么spark要把操作分為transform和action

因為所有的transformation都是采用的懶策略，就是如果只是將transformation提交是不會執行計算的，計算只有在action被提交的時候才被觸發，這樣有利于減少記憶體消耗，提高了執行效率

7.spark中有了RDD，為什么還要有Dataframe和DataSet？

RDD叫做彈性分布式資料集
與RDD類似，DataFrame是一個分布式資料容器，但是DataFrame不是型別安全的，
DataSet是DataFrame API的一個擴展，是Spark最新的資料抽象，結合了RDD和DataFrame的優點

8.了解函式式編程嗎？說下c/c++和scala這種函式式編程語言的區別

scala便是函式式編程的一種，函式式編程語法比起面向物件語言更加簡潔優化，

9.Java中抽象類和介面的區別

1.介面只能包含抽象方法,抽象類可以包含普通方法，
2.介面只能定義靜態常量屬性,抽象類既可以定義普通屬性,也可以定義靜態常量屬性，
3.介面不包含構造方法,抽象類里可以包含構造方法，

10.都有抽象類了為什么還要有介面

抽象類與介面緊密相關，然介面又比抽象類更抽象，這主要體現在它們的差別上：類可以實作無限個介面，但僅能從一個抽象（或任何其他型別）類繼承，從抽象類派生的類仍可實作介面，從而得出介面是用來解決多重繼承問題的，

11.了解GC嗎？說說

GC：垃圾回收，使用 GC 可以進行垃圾空間釋放操作，
GC 是垃圾收集的意思,記憶體處理是編程人員容易出現問題的地方，忘 記或者錯誤的記憶體回識訓導致程式或系統的不穩定甚至崩潰，Java 提供的 GC 功能可以自動 監測物件是否超過作用域從而達到自動回收記憶體的目的，

然后寫一道編程題，給個字串，只有(){}[]，看看是否是匹配的，
用個堆疊直接解決了，問下優化，如果遇到右括號，在查看堆疊頂元素的時候如果不匹配直接回傳false
還有什么要問我的嗎？

結尾

我的想法是約到面試，才能從實戰中提升自己，
這次約上位元組的面試是我沒想到的，
時間有些倉促，很多東西沒準備好，估計一面就得掛了

也僅作為一次正式面試前的練習，
熟悉熟悉面試流程，同時鍛煉鍛煉自己，