阿里，头条，美团，快手大数据开发岗面试总结

问题导读

1.Java基础主要有哪些问题？
2.数据结构和算法有哪些公司会考？
3.下面哪些问题我们比较熟悉？


从3月份开始，陆续面了阿里，头条，美团，快手四家公司的大数据开发岗位，近20场面试面下来挺耗费脑力的，不过结果还行，除了头条外，目前拿到了其他三家的offer，今天把还能记住的题目做个整理，整理是按技术分类的，因为确实记不太清哪一场问了哪些题了。

先说一下这几场面试的整体感受，头条和快手风格相似，每一面基本都有算法或实现题，算法主要是leetcode easy, middle难度的题，这跟你面试情况有关，可能项目上没有亮点的算法题会出的难一点。笔者刷题不多，也就100多道吧，还好没有遇到太难的算法，不过刷题还是平时没事多刷刷的好，毕竟每次面试才突击刷有点累，刷题也有助于开阔思维。实现题主要是让你实现下HashMap，LRU，生产消费者模型，单例模式等，面试官通过这些可以看出你对数据结构的理解和代码实现能力。

阿里和美团的话，算法题不是很多，但会比较注重问项目里的亮点，我理解的亮点包括你开发或优化过比较有价值的功能，解决过复杂或有难度的问题等，这个需要自己根据做过的项目总结好。数仓的话SQL，建模理论问的比较多。

建议刚开始面试不要海投简历，可以先找一家练练手，面试过程中查漏补缺，不断完善知识盲点，这些公司，你只要表现不是太差，一个部门面不过还可以面其他部门的。投简历可以在脉脉，拉钩，boss直聘上找HR，内部员工内推，也可以通过猎头投，不过猎头参差不齐，好的猎头会对公司在招的岗位给出详细的介绍，这个尤其在后面你有多个offer做选择时比较方便，你可以通过猎头了解这些offer的利弊，不过好猎头不好碰。

特别想说的一点是，面试前你要先想好自己适合做哪个方向的开发，大数据的话，有平台开发，数仓业务开发，数据分析挖掘，算法等，每个方向的岗位要求是不一样的。毕竟每个人精力有限，你也不可能所有方向都精通。

平台开发包括内部平台产品开发，组件源码级开发等，一般要求对某个或某几个组件有源码级的开发能力，这个大厂基本都在专门的基础研发平台部门，当然也有一些只是对开源组件做些封装啥的，方便用户使用，这个岗位一般不直接做业务，而是开发和维护业务开发使用的平台工具。

数仓业务开发，这个在大数据开发的招聘岗位里需求量比较大，因为平台可以用云或开源的，但每家公司的数仓都要根据自己的业务构建，所有其他的业务也都是以数仓为基础开展的。这个岗位面试重点是SQL要熟，常用的开窗函数，Hive优化要懂，还有就是数仓建模理论，维度建模，范式建模基本是必问的。一般还需要有Spark，Flink处理离线，实时数据的能力，你要问清楚这个岗位的主要工作内容，谁也不想只做SQL boy。

数据分析挖掘岗，一般是SQL，Python居多，也会用公司的数据分析产品构建模型做报表啥的，还需要对机器学习算法有了解，能够用算法做更深层次的数据分析。

算法岗，如推荐，广告等场景的算法研究，模型构建，调参等，这个一般需要比较深的机器学习，深度学习算法基础，一般需要科班出身的算法工程师，如果之前不是这个方向的，中间转不是很好转，本文不涉及此岗位的面试题。

好了，下面开始罗列这次面试中遇到的面试问题，这些题没有答案，不过会先给出一些我看过的书籍和课程。后续的文章中会对这些知识点进行总结，敬请关注。

1 Java基础
说说Java里的多态什么意思
Java 里的final关键用过吗
讲讲volatile关键字的作用，与synchronized关键字的不同
了解HashMap的内部结构吗？自己实现一个HashMap
HashMap、Hashtable、ConcurrentHashMap的原理与区别
用Java实现一个生产者消费者模型，可以用BlockingQueue阻塞队列
了解哪些设计模式，实现一个单例模式
感言：做大数据开发，java基础是必须的，一般一面，二面都会问到，java基础答的不好，一般都不会给过。

2 数据结构与算法

算法：

搜索旋转排序数组，leetcode 33，中等难度
实现一个LRU缓存，leetcode 146 ，中等难度
用两个栈实现一个队列，leetcode 232 , 简单难度
给定一个非空的整数数组，返回其中出现频率前 k 高的元素。Leetcode 347 , 中等难度
二叉树的最近公共祖先， Leetcode 236 , 中等难度
感言：就记住了这几个，大家也能看出来，基本都是leetcode上的题，刷题还是很有必要的。刷题时建议先按分类刷，像二分查找，动态规划都有一些固定的模式的。

数据结构：

布隆过滤器
Bitmap
B+树
LSM Tree
跳表
Hyperloglog
推荐阅读：强烈推荐极客时间王争老师的《数据结构与算法之美》课程，目前已有8万多人购买，应该是极客时间购买人数最多的课程，有需要的可以扫下面二维码购买。质量绝对优质，反正我读了受益匪浅。比如讲Redis的有序集合底层数据结构为什么用跳表时，老师会从二叉搜索树，B+树开始讲起，让你同时了解了这三种数据结构的异同和应用场景。

3 Hive
做大数据，Hive SQL也是必问的，大厂的ETL任务很多都是Hive SQL，主要问题如下：

Hive row_number，rank两个函数的区别
Hive窗口函数怎么设置窗口大小
Hive order by,sort by,distribute by,cluster by 区别
Hive map,reduce数怎么设置
Hive SQL数据倾斜有哪些原因？怎么优化
parquet数据格式内部结构了解吗
Hive数据选择的什么压缩格式
Hive SQL 如何转化成MR任务的
Hive 分桶了解吗
Hive的udf、udaf和udtf了解过吗？自己有没有写过udf
怎么验证Hive SQL 的正确性
lateral view explode关键字来拆分数组
join操作底层的MapReduce是怎么去执行的

SQL应用题：
一个login_in表，userid、login_time、ip，数据量很大，一个人可能有多条登录数据，取出最近10个登录的用户。
还是login_in表，统计登录的总条数( PV )和登录的总人数 (UV)。
一个用户好友表 userid , follow_list (该用户的好友id数组) A [B, C, D] B [A, C] C [D] 统计这个表有多少对好友
感言：这个主要考察你平时写SQL多不多，数仓开发岗会比较在意SQL能力

4 MapReduce&Spark
MapReduce的作业流程，涉及到几次排序
Spark任务执行过程
MapReduce Shuffle 和 Spark Shuffle的区别
Spark的内存管理模型
讲讲Spark Shuffle
Spark Shuffle bypass模型了解吗
Spark使用中遇到什么问题，怎么解决的
感言：MapReduce&Spark是主要的离线计算引擎，需要对任务调度流程和可能出现性能瓶颈的点熟悉， 懂得组件原理和调优，如果工作中遇到并解决过大数据工程性能问题会有加分

5 Spark Streaming&Flink
Spark Streaming 与Flink的对比
Flink怎么做到Exactly Once
Spark Streaming能做到Exactly Once语义吗
Flink的StateStore有哪些，工作中用过哪些
做过Flink内存调优吗
遇到过OOM的情况吗，怎么处理的
讲讲Spark Streaming 与Flink的反压机制
Flink的窗口函数，时间机制，CheckPoint机制，两阶段提交
Flink 双流Join
Flink State TTL怎么设置
Flink 维表关联有哪些方式，数据量大时怎么处理
其他一些应用题：

实时PV，UV统计
实时TOP N 统计
广告曝光流和点击流实时join
感言：不仅要对组件的原理清楚，还要实际做过实时相关的业务开发，面试官也会出一些他们场景的业务让你说下你会怎么设计，所以需要多关注些实时业务场景的应用实现。


6 数据仓库
你们公司数仓是怎么构建的，怎么做的分层
说说范式建模和维度建模的区别
说说星型模型和雪花模型的区别
设计一个统计各渠道用户留存的模型
缓慢变化维怎么处理
你们数据怎么同步到数仓的，怎么保证数据不丢失
数据质量怎么控制
数据规范怎么定义的
如果进行元数据管理
感言：数仓方法论的东西需要了解，数仓整体的构建理念要对，给一个业务需求，能够给出合理的数仓构建模型。

7 Kafka
说说对kafka的了解
Kafka基本原理说一下，和其他的MQ相比的优势
讲讲Kafka的高阶，低阶消费者API的区别
Kafka的ack有哪几种
Kafka 消费者怎么从Kafka取数据的
Kafka生产消费怎么保证Exactly Once
Kafka怎么保证有序性的
Kafka Controller是做什么用的
Kafka 多副本leader如何选举
Kafka 消费者组重平衡流程是怎样的
新版和老版Kafka offset的管理有什么不同
如何查看消费者的消费进度


8 HBase
HBase rowkey如何设计的
谈谈热点问题以及如何解决
说下HBase的读写流程
HBase使用过程中做过哪些优化
HBase的Compaction机制作用


9 Redis
Redis 包含哪些数据结构
Redis 有序集合的底层实现
Redis 有哪几种数据持久化方式及各自优缺点
一致性哈希了解吗



原文链接：
https://mp.weixin.qq.com/s/bxMrhhqohxosPj5YB0lifw