得物
一面
- 自我介紹
- 實時數倉相關專案介紹
- flink集群規模與版本
- 多流join有哪些？
- connect原理與實作
- flink狀態后端有哪些？
- FSMemory和RocksDBstate有什么區別？
- flink反壓機制如何檢測和解決？
- 多個算子的單一算子鏈如何檢測反壓？
- kafka ack機制 kafka rebalance
二面
- 自我介紹
- 實時模型特征值工程介紹？重點專案介紹
- 頻繁查詢維表如何處理？
- 頻繁update 外存如何處理？
- 端到端的一致性保證
- sink到kafka中的一致性保證？kafka二階段提交機制？
- sink到hdfs如何保證一致性？
- checkpoint機制與程序
- 實際中遇到的問題 flink kafka connector kafka什么情況下會丟失資料
- java 垃圾回收
- javatransient、 volatile關鍵字，java多執行緒？
- checkpoint恢復程序？修改并行度后如何恢復？
歡樂互娛
一面
- 自我介紹
- 如何實作漏斗分析模型（clickhouse）
- clickhouse視圖
- cdh相關 presto+clickhouse
soul
一面
- 自我介紹
- 實時數倉專案相關
- 特征值與指標計算相關
二面
- 自我介紹
- 資料量峰值，性能 最復雜場景的特征值計算
- 場景：統計用戶最近1天、最近7天、最近30天內的登錄設備與ip數（需去重）
- 大資料量場景下遇到什么問題（舉例：個別用戶短信數量過大，導致按用戶keyby后某些state過大，解決辦法：根據userid+某個其他隨機key組合進行keyby）
- 任務一直處于checkpoint中怎么處理？
- 多流join時某個流無資料該如何處理？
- 視窗機制與作業原理？
- state ttl設定？
- rocksdb為何可以實作增量checkpoint 出現反壓時, 如何從network buffer
input/output等來分析定位反壓源？ flinksql savepoint
永輝
一面
- 自我介紹
- 專案相關
- flink checkpoint機制
- flink端到端一致性如何保證
二面
- 自我介紹
- 專案相關
- 實時場景如何處理
- 實時數倉建設相關
數禾
一面
- 自我介紹
- flink 場景 select count(distinct(*))
- 專案相關
二面
- flink端到端一致性保證
- flink任務重啟時state如何重新分布
- 特征變數開發相關場景
三面
- 自我介紹
- 作業中的角色
- 作業中遇到的困難
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/423175.html
標籤：其他