2023秋招——快手数据研发一、二面面经

🌼今天来总结一下快手数据研发的一、二面，在面试中进步，在总结中成长！对往期内容感兴趣的小伙伴可以参考下面👇：

• 链接: 2022暑期实习字节跳动数据研发面试经历-基础数仓.
• 链接: 2022百度大数据开发工程师实习面试经历.
• 链接: 2022暑期实习字节跳动数据研发面试经历-data部门
• 链接: 2021年暑假滴滴数据开发面试

🌿这次面试快手直接通过的简历，依旧没有笔试，简历通过后直接面试，没有划分具体的业务方向。

1. 一面

1.自我介绍

正常的套路，主要包含自己的基础情况，经历，和一些特点！

2.问滴滴和字节实习主要做的工作？

首先介绍一下负责的主要业务是什么，然后说一下构建数据仓库的基础架构，最后说明一下自己的工作。

3.介绍一下字节的大数据架构？

从数据集成、数据计算、数据模型这几个方面说。

4.说一下你们部门数据仓库的建设？

详细介绍一下部门数仓分层、数据治理的工作（你能说出数据治理就很棒了！）。

5.和滴滴相比，你觉得差异在哪里？

对比数据仓库差异（这一部分我专门对比过，比如主题划分的区别、公共处理逻辑的一些不同）

6.在需求过程中有没有遇到什么难处理的数据问题？

首先回答技术方面:

1. 数据倾斜
2. shuffle内存溢出
3. executor资源不够的情况等。

接着回答一些数据质量问题:
比如指标口径不统一、数据null值较多，主键重复值较多的问题，然后说一下你解决的方案。

7.就拿数据倾斜来说，你有几种处理方式

1. map join
2. 利用group by 代替count(distinct)
3. 倾斜的key值单独处理，这一部分分为对于热点值直接删除（比如key为0等一些没有意义的key）
4. 倾斜的key值单独处理，对key值进行加盐的操作，然后对另一张表进行笛卡尔积，两者关联后，去盐，再聚合一次。

8.你是做离线还是实时的？

离线偏多，实时也懂一些（简历中的项目是flink项目，但是我是做离线的）

9.某个离线任务出现了问题，你会如何解决？处理的流程是什么？

我的主要思路：

1. 查看任务的DAG图，看看是自己的原因还是上游的原因
2. 上游的问题去查看上游，自己的问题去查看日志，看最后的部分
3. 可能是权限不足、可能是shuffle内存不足、可能是资源不够、数据倾斜等
4. 根据实际情况进行解决。

10.你的实习经历都是数据研发，有没有想过其他岗位，你对你的未来发展，是什么打算？

这一部分就真实说就好，我也面试过大厂的数据挖掘，如果当时面上了，结果会不会不一样，哈哈哈😂。

11.你对快手和抖音公司末来的发展是如何看待的？

这一点主要是看对公司的认可程度，当然是相互竞争，相互进步的关系，短视频是未来的发展趋势，俩家公司都有很不错的发展。

12.第一道sql题：

窗口函数简单解决：

SELECT
    app,user_id,rk
from 
(

        SELECT
            app,user_id,
            row_number()over(PARTITION by app,user_id order by nums desc )rk
        from 
        (
                SELECT app,user_id,count(1) nums
                from t1
                group by app,user_id
        )main 
)tmp1
where tmp1.rk in (1,2,3,4,5)
order by app

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

13.说我写的太快，来一道难的：

写了一半，没时间了，说一下思路：通过自链接判断在网吧切时间相差10分钟的人，然后一个分组判断网吧数大于3的用户即可

待补充
1

14 面试总结：

全程就像聊天，问题不难，其实都总结过，哈哈哈就像在背书，其实回答的问题也在引导面试官向我熟悉的地方进行提问，最后没时间反问试官了，我还有问题要问呢！

没过3小时，收到2面通知

2. 二面

1.看了你的简历，你的专业偏向于管理优化，说说你为啥做数据研发？

首先是说明专业的方向就是大数据与人工智能，说明对数据研发的理解。

2.自我介绍

正常流程

3.个绍一下你在字节的数仓建设，以及你负责的工作？

主要说一下数仓建设的建设，数据治理的工作（数据治理加分！）

4.说一下维度建模中的几种模型？你们那边用哪种模型较多，为什么？

主要介绍了：

1. 星型模型：维度表都是连接在一个事实表上，强调的是对维度进行预处理，将多个维度集合到一个事实表，形成一个宽表，适合分析
2. 星座模型：事实表连接维度表再连接事实表，几乎不怎么用，关系复杂。
3. 雪花模型：事实表连接维度表，维度表在连接维度表，数据冗余少；有些数据需要连接才能获取，可能效率较低。

用的较多当然是星型模型

5.说一下你对维度建模的理解？

1. 维度建模的基础概念：维度建模从分析决策的需求出发构建模型，为分析需求服务，因此它重点关注用户如何更快速地完成需求分析，同时具有较好的大规模复杂查询的响应性能。
2. 介绍一下ER实体关系模型：用实体-关系-实体的模式来描述企业业务，在范式理论上符合 3NF。
   说一下大数据场景下维度建模更时候需求分析，而ER实体关系模型更注重于解耦合、减少冗余，说明用空间来换取查询的时间等

6.雪花模型的优点是什么？

这个问题相当于是问，ER关系实体模型中的3NF优势是什么，回答解耦合、减少冗余即可。

7.你们公司技术架构是什么？

从数据集成、数据计算、数据模型这几个方面说。

8.你们的任务，是如何判断用hql跑还是sparksql跑？ 怎么评判执行的代价？

这个问题问到我了，我觉得是关于代码执行代价的，但是我不太清楚，就从hadoop和spark的适用场景来说了：
hadoop：基于磁盘，虽然慢，但是处理数据量很大的场景比较稳定
spark：基于内存，速度快，但是数据量过大也会落到磁盘，对于数据量很大的情况容易出现内存不够的情况。

9.离线任务出现报错，你会如何去解决？

依旧是解决问题的过程

10.考察一下技术知识，你知道hadoop的二次排序吗？

我以为是map reduce工程中的某个阶段，结果发现不是。尴尬了，不会

11.你刚才提到spark的优化？简单说一说

主要说一下sql语法优化、开启广播、合并小文件、设置shuffle内存大小，设置executor的core和内存。

12.考察一下代码：给你x，y两个超出整型类型的超大整数相乘，如何实现？转换成字符串，想用我们笔算的方式实现，就写了个遍历宇符串，相乘，写了一半，不会了，说了一下思路

这一部分我的思路是模仿我们手算乘法的流程，就写几行代码，面试官说主要考察我对难题的处理方式。

14.sql题：用户连续登陆的天数

窗口函数，接着做个date_sub即可。

SELECT
    user_id,count(1) sum_days
from(
select
    user_id user_id
    v_date 
    date_sub(v_date,interval rk_tag day) days

from(
            select user_id,
                   v_date,
                   row_number()over(PARTITION by user_id order by v_date) rk_tag
            from user_tab t1
    )tmp1
)main
group by user_id,days

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

15.反问阶段

这阶段，主要问了一下面试官对自己职位的看法，以及自己未来的发展方向。

16.总结

二面面试官比较有意思，主要从数据模型、底层技术、代码能力方面考察我，有些问题确实没回答出来，其他问题回答的大差不差的，但是我还是想回答的更完美一些，下去自己再看看吧！