写在前面：博主是一只经过实战开发历练后投身培训事业的“小山猪”，昵称取自动画片《狮子王》中的“彭彭”，总是以乐观、积极的心态对待周边的事物。本人的技术路线从Java全栈工程师一路奔向大数据开发、数据挖掘领域，如今终有小成，愿将昔日所获与大家交流一二，希望对学习路上的你有所助益。同时，博主也想通过此次尝试打造一个完善的技术图书馆，任何与文章技术点有关的异常、错误、注意事项均会在末尾列出，欢迎大家通过各种方式提供素材。

• 对于文章中出现的任何错误请大家批评指出，一定及时修改。
• 有任何想要讨论和学习的问题可联系我：zhuyc@vip.163.com。
• 发布文章的风格因专栏而异，均自成体系，不足之处请大家指正。

东大毕业生与大数据架构师的对决（结尾附视频）

本文关键字：模拟面试、初入职场、直播回顾、山猪乱弹、大数据开发

一、写在前面

各位小伙伴们大家好，期待已久的直播配套博文来啦~为了让大家能够更好的将所学的知识融会贯通，并且了解自己在工作中可能被问到的技术点，在粉丝群内开启了模拟面试活动。

• 面试形式

面试以直播的方式进行，按照正常的面试流程进行，但不同的是每个问题提问过后面试官将会进行讲解，而不仅仅是一问一答，不知对错。在后续的视频剪辑中也会标注问题和答案的关键点供大家参考。
每场面试结束后，面试者、面试官、主持人（山猪本猪）会和观众一起进入讨论和探讨环节，对面试过程中可以提升的沟通技巧、需要再继续深入了解的技术点、简历是否还可以继续优化以及扩展的技术问题进行互动（该段内容可能不会出现在最终的视频中）。

• 参加要求

只要已经加入粉丝群即可免费参加，需要准备一份个人简历，同时隐去自己的姓名、手机号等关键信息。模拟面试原则上不对应企业真实岗位，只是会按照岗位对应的技术等级来进行面试，但有些面试官所在的公司可能会有招人的需要，同样有直接获得就业岗位的机会！
如有意愿参加的小伙伴请提前在粉丝群与我沟通（群主就是我啦），无论你是刚刚毕业的职场小白，还是想要换一个新的工作环境，都欢迎踊跃参加。将会为你匹配对应岗位的资深开发者、技术总监、项目经理或是架构师进行面试，只为互相交流技术。

• 面试咖位

担任面试官的小伙伴都是多年以来在业内结识的朋友，如今大部分都可以独挡一面或是带团队，涵盖了大前端开发、Java服务端开发、Linux运维、大数据开发、大数据架构、测试、实施、产品、Python数据分析等等各个方面。
平均的工作年限在五年以上，其中不乏技术总监、项目经理、博客专家、前沿领域学者、大学讲师，当然有的时候我本人也会客串一下，期待和你的面试官邂逅吧~

二、全程回顾

由于时间的限制，每次的问题不会很多，以互动和交流为主，本系列文章不会做成面试大全，通篇都是问题汇总，而是会以文章+视频+总结的方式为大家持续呈现，希望这样能够更有代入感，看完这篇文章能够真正留下点什么，而不是进收藏夹吃灰。

1. 本期嘉宾

• 面试者

面试岗位：大数据开发工程师
工作年限：有一定实习经验
项目类型：综合数据处理系统-用户行为分析（统计分析、数据挖掘）
核心技术：大数据技术生态圈（Hadoop、Hive、Spark、Kafka、Flume、Azkaban等）、对接应用系统（SpringBoot、Bootstrap、Echarts等）

• 面试官

Level：大数据讲师/架构师，主攻大数据架构，有培训讲师经历。对大数据完成数据分析流程以及各组件的优缺点、应用场景十分熟悉。负责根据公司业务和运营的需要拟定合理的解决方案，并最终落地实施。
Base地：北京
薪资区间：月薪35K+

2. 技术看点

各技术点将从直播内容中进行整理，直接上干货，可能顺序上会有调整。给出的参考答案因为时间的关系都会比较凝练，建议大家不要直接去背，因为如果你从来就没有接触过是不能够用一个答案去应付面试的。遇到你会的当做复习，遇到你不会的一定自己去查一查，真正理解之后再回来自己补充和丰富答案。

• 基本的离线数据处理流程？（以面试者项目为例）

数据源类型：项目日志文件。
数据采集：使用Flume + Kafka从日志服务器采集数据，存放至HDFS。
数仓搭建：ODS层（存放原始数据） - 操作型数据存储、DWD层（初步数据清洗） - 数据仓库明细层、DWS层 - 数据仓库汇总层、ADS层（报表信息） - 应用数据存储层。
结果导出：Spark -》 MySQL
定时任务：Azkaban

• 数据处理都经历了哪些阶段？

数据采集 -》 数据预处理（去噪、去重、单位统一） -》 数据入库（数仓 - 划分主题） -》 报表展示

• 在数仓中划分主题时的依据是什么？

按业务线划分
按部门划分
其他划分方式

• 在进行数据采集时需要注意哪些问题？

保证数据采集稳定性（可靠性）
避免数据的丢失或重复采集
数据源类型复杂
数据源结构有可能产生变化
Flume：Source、Channel、Sink

• HDFS有哪些特点？

HDFS（Hadoop Distributed File System）：分布式文件系统
支持分布式、采用块存储、冗余存储机制
考虑安全性、稳定性、扩展性

• Hive的优化方式有哪些？

避免使用部分原生API
使用自定义函数（UDAF、UDTF）
合理指定MR的Task数量
LZO数据压缩、小文件合并
合理使用本地模式
启用JVM重用
连接查询优化：小表在前、大表在后，使用相同连接键，数据尽早过滤

• 如何解决数据倾斜问题？

增加分配的内存
增加Reduce的个数
自定义分区器
对Key进行重新设计（打散）
自定义Combiner
单独处理倾斜数据

• 如何评判DW层的设计质量？

表间关系简明
表的复用性高
适当冗余（构建宽表）

3. 总结扩展

• 对面试者的评价？

基础很扎实，清楚底层原理，并且能进行独立的思考，薪资可达20K。

• 大厂面试特点？

重视基础：编程语言、数据结构、计算机网络、算法等。

• 如何回答大数据场景设问？

在熟悉各大数据组件特点的前提下，充分分析给出的场景，根据各组件的特点构建出一个完整的数据分析流程。因为很有可能之前并没有接触过这个场景，尽量的贴合，保证合理即可。

4. 山猪乱弹

这次面试的小伙伴本身就比较优秀，之前已经在美团的大数据岗位工作过一段时间。在回答问题的时候也是自信满满，并且对不了解的问题也会坦诚的说自己没有接触过，随后尽量的说一些自己的想法。
在面试的过程中，其实不需要在意是否能够百分百的回答出所有的问题。因为对于刚走入职场的小伙伴，面试官和面试者的实力通常都是不对等的，有些工作中才会遇到的问题，被问到了，回答的不是很完美也没有关系。在面试结束后一定要多总结，不单单是整理面试题，而是什么样的公司、岗位通常会问什么样的问题，这样在准备的时候可以更有针对性。大家也可以持续关注本专栏。

三、视频直达

视频地址：https://www.bilibili.com/video/BV1AA411j7e7，喜欢的小伙伴儿一定要三连加关注哦~

写在结尾：作者力求做到将每个知识点细化，并且对于有关联的知识点都会使用传送门挂载链接。文章采用：“文字 + 配图 + 视频”的方式来进行展现，均是挤时间所作，希望看到这里能留下评论点个赞，略表支持！

文章来源: blog.csdn.net，作者：小山猪的沙塔，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/u012039040/article/details/110846886