最近面试了杭州部分大厂的大数据RD相关实习岗位，写一篇博文分享一下面经
（注：面经问题均为回忆版汇总，内容不全，均将多轮技术面问题汇总在了一起）
一、阿里巴巴（夸克）
没有提前约面，大早上一个电话和邮件发过来就要求面试
拷打实习相关：
1、数据看板如何进行查询效率优化的？
2、给产品运营方做探数支持时，底层用到了什么技术架构？
3、说一下XXX渗透离线etl任务建设的过程？
4、spark数据倾斜的原理以及解决方案？
5、加盐时为什么不采用rand?
6、讲述一下mapreduce的原理，数据倾斜主要体现在mr的哪几个阶段？体不体现在reduce阶段，为什么？
7、说一下你的python-shell脚本解决了什么问题，底层实现原理是怎样的？
手撕算法题：
给你一个长度为 n 的整数数组 nums 和 一个目标值 target。请你从 nums 中选出三个整数，使它们的和与 target 最接近。返回这三个数的和。
假定每组输入只存在恰好一个解。
示例 ：
输入：nums = [-1,2,1,-4], target = 1
输出：2
解释：与 target 最接近的和是 2 (-1 + 2 + 1 = 2)。
二、滴滴（青桔）
1、数据看板如何进行查询效率优化的？
2、如果某一天需求方要求看数，但是此时夜间生产任务没有就绪，你会如何处理？如何帮助需求方先生产出数据？事后如何优化任务以保证这种情况不再发生？
3、怎么配置dqc告警？配置时要考虑的内容？
4、标签生产建设每日的灌数策略？
5、spark的分布式join策略有哪几种选择？broadcast join触发的前提条件有哪些？怎么保证一定触发？
6、id-mapping项目的难点在哪？如何进行的数据盘点？
7、能讲一下vx内部各种id之间的关系吗？用户vx分采用什么策略来确定？
8、什么是业务过程？能说一下支付平台的数仓划分了哪几个部分吗？你最熟悉的是哪个部分？这个部分划分出了哪些域？每个域的业务过程可以说一下吗？
9、你是怎样处理快照表生命周期晚于需要刷数起始时间的问题的？在这个过程中怎么保证并行刷数？
10、什么是olap？你都用过哪些olap引擎？
11、事务事实表、周期快照事实表、累计快照事实表分别是什么？能对应到你的业务中举例说明吗？
12、怎么观察spark web ui？如何确定一个任务要配置多少线程数？
13、平时spark参数优化是怎样配置的？一般怎么选择参数？
spark.yarn.executor.memoryOverhead参数一般配置多少？它是怎样优化任务过程的？
手撕代码
1、分组top n
2、求连续登录n天的用户，间隔一天也作数
三、字节跳动（tiktok商业化）
拷打实习
1、说一下如何进行小文件优化的？小文件过多为什么会导致任务执行变慢？
2、聊一聊你工作过程中遇到的三个技术难题？怎样解决的？
3、怎么理解更换更优数据源？怎样做夜间app层建设的？
4、做按月按银行活跃渗透时如何解决月环比粒度不一致问题的？底层生产是怎样调整的？
5、数仓为什么要分层？你是怎样理解的？
6、对于就绪时间较晚的任务，如何定位问题，以及如何解决的？
7、你是怎样处理快照表生命周期晚于需要刷数起始时间的问题的？
8、支付网关方面你们的做功方向是什么？
拷打项目
1、介绍一下你的数仓分层？你的分层和传统分层不一样，为什么？
2、你是如何做数据源盘点的？
3、你谈到你的覆盖漏损gap比美团用户平台自有数据的gap更低，你清楚你低在哪里吗？你的生产逻辑和业务优势在哪？
4、微信分如何判断的？计算链路如何进行优化的？
5、什么是全景数据源？为什么要采用这部分数据？
6、u_id和p_id是如何打通的？
拷打八股
1、reduceByKey 与 groupByKey 的区别，哪个好，为什么？
2、说一下RDD的窄依赖和宽依赖？
3、Spark 任务的划分，什么是application\job\stage\task？
4、spark和传统mr的区别在哪？为什么spark比mr快？
5、读过哪些书？阿里巴巴大数据之路你最感兴趣的部分，讲一讲它对你工作的帮助？
6、维度建模的过程？
7、快速排序的时间复杂度和原理？
智力题
有25匹马，5个赛道，每个道最多跑5匹马，问最少比多少次，可以选出跑的最快的前三名？怎么比？为什么？
手撕算法题
1、给定一个字符串 s ，请你找出其中不含有重复字符的 最长子串的长度
例:
输入: s = “abcabcbb”
输出: 3
因为无重复字符的最长子串是 “abc”，所以其长度为3
2、分组top n
3、不需要分组的嵌套开窗函数
4、根据后序和中序遍历结果还原二叉树
5、聚合开窗题
版权归原作者 共勉zzz 所有， 如有侵权，请联系我们删除。