数仓开发面试经验

前言

虽然现处于疫情期间，可能很多童鞋现在正在找工作，或是想要入行，或是待业ing……

细心的童鞋如果你观察一下各大招聘网站，你会发现机会也开始复苏，也开始多起来的趋势。

面试准备
先说说目前市场情况：由于疫情，目前的市场确实不如以前，现在大多数公司一般招两种人，一种是技术很厉害的，一种是工资低的；

技术一般还想要高工资比较难了，技术过硬要高工资也是相对容易的。有很多面到最后，谈了工资没有下文的。一般hr让你回去等消息，有可能是等不到，所以还得接着面试，不要在挂在一棵树上；

所以大家还是要好好准备，提高技术，整理总结，找到满意的岗位。

面试经历
大家都知道大数据分为：平台、数仓、数分和挖掘。投简历要看清到底是哪个岗位，特别是大厂的岗位；

因为我之前搞数仓，但是想搞平台开发就投了一个大厂，结果被虐的很惨。

面试主要聊源码，hadoop和spark源码(因为我项目中没用flink，所以没问flink)。

大概四十分钟，问的很细很底层，还有jvm相关的，中间夹杂算法；

其余的面的大多是数仓开发，模型与架构，离线与实时，也都还好一些。

如果面平台开发，首先要通读过源码，特别是spark和flink的，仅仅会用是不行的，因为一般大厂都会进行源码调优和二次开发；

如果面数仓开发，一般会问一些spark、hive调优，数仓建模和分层架构，数据质量和数据治理等问题，还有就是项目中出现的问题，怎么解决的；

这个大家在准备面试时，建议每个项目都提前准备好几个问题，方便回答，hold住面试官；

在面试过程中，也请教了一些大佬和群友，建议就是简历要突出精和专，而不是广。大厂不需要广而不精的人。你写的越广，面试官会问的越多，你就越容易暴露自己的弱环。

还有就是搞数仓的兄弟姐妹们，平时除了写sql，可以多看看源码，对面试有帮助。


面试题目

1.什么是数据仓库？如何构建数据仓库？（如果这个问题回答的好，后面很多问题都不需要再问）

2.如何建设数据中台？可简单说下理解与思路

3.数据仓库、数据中台、数据湖的理解

4.传统数仓的程度（建模工具、ETL工具、BI报表工具、调度系统）

5.传统数仓和大数据数仓的异同？有哪些大的变化？

6.印象最深刻的项目？为什么？亮点与优势？

7.数仓最重要的是什么？

8.实时数仓做过吗？采用什么架构？lambda有哪些优缺点？

9.如何看待kappa架构？iota架构呢？

10.责任心？沟通能力？团队协作？数据思维？

11.用户画像（静态、动态标签，统计、规则、预测标签，衰退系数、标签权重）

12.推荐系统（协同过滤，基于用户、商品，SVD，各种距离算法等）

13.数仓基础理念理解

   （主题域 血缘关系 拉链表 代理键 维度退化 缓慢变化维SCD 事实表类型 增量dwd处理 星型/雪花/星座模型 事实 维度 粒度 原子/派生指标 OLAP）

14.数仓如何确定主题域？CDM？

15.数仓如何分层的？及每一层的作用？思考：为什么要这么分层？

16.数仓有哪几种建模思想？维度建模、范式建模、datavault？.. 有什么优劣，如何选择？

17.SCD的常用处理方式？优劣？与SCD2与拉链表有什么异同？

18.元数据的理解？元数据管理系统？

19.如何控制 数据质量？

20.如何做 数据治理？数据资产管理呢？

21.Hive优化？SQL优化，参数优化
（mapjoin、列裁剪、分区、分桶、Map数、Reduce数、常用参数等）

22.数据倾斜     

23.小文件问题

24.order by、sort by、distribute by、cluster by

25.udf、udtf？处理的问题？

26.shuffer优化

27.MySQL如何改写row_number

28.连续n天登录用户

29.用户留存、用户活跃、沉默用户、回流用户

30.lag/lead()over()函数、ntile() 等分析函数

31.rollup、cube、grouping sets  grouping_id

32.partition和分桶 order by和sort by



对于以上可自己找答案，答案可参考：
https://mp.weixin.qq.com/s/iZs7zEb-yoiSnlG2q74Fvg