面经总结 - 顺利毕业企划

准备试找工作，故没事看些面经并进行总结。

大数据开发项目：大数据开发项目_技术交流_牛客网 (nowcoder.com)

1. 复习

看书，记笔记，形成健全的知识体系。大数据分：数据产品（算法）、数据平台（服务端开发）、数仓（业务）三个方向。

学习路线：

Java-Linux-MySQL-Zookeeper-Hadoop(HDFS、MR、Yarn)-Hive-Flume-Sqoop-Azkaban-Redis-Kafka-HBase-Scala-Spark-Flink

MySQL：《MySQL 技术内幕：InnoDB 存储引擎》、《高性能 MySQL》、《MySQL 实战 45 讲》、《从根儿上理解 MySQL》、《从零开始带你成为 MySQL 实战优化高手》
Kafka：半兽人博客、《Apache Kafka 实战》
Zookeeper：《从 Paxos 到 Zookeeper：分布式一致性原理与实践》
Spark
Flink
MapReduce
HiveSQL

2. 算法

Leetcode前200题反复刷

3. 自我介绍

自我介绍是简历的精简,举例：

面试官你好，我叫 CoderW，19 年毕业于哈佛大学。

从毕业到现在一直从事后台研发相关工作。

19 年-22 年在谷歌中间件团队，主要负责 xx 中间件的设计与开发，在这期间，完成了对 xxx 进行改造和优化，整体性能提升了 80%；

22 年去了微软电商团队，负责微软电商体系的设计，两年的时间，完成了微软电商从 0 到 1 的搭建过程。上线至今，日活量达到了 10 亿，系统平均 QPS 达到 1W。

这一次应聘的是贵公司中间件团队的资深专家岗位，在业务方向和技术栈方面，我个人认为我的匹配度还是比较高的，非常希望能够加入贵公司，一起打造 xx 系统。谢谢！

4. 技术讨论

整个面试最重要的环节。

4.1态度

不卑不亢。记住，这个环节是技术讨论环节，不是问答环节。一场好的技术讨论一定是有来有回，而不是单方面的你问我答。在尊重面试官的前提上，可以对面试官的一些结论提出质疑和探讨，在我看来，敢于提出自己的不同看法是一个加分项。如果遇到不尊重你，甚至侮辱你的面试官，我建议你直接把简历要回来，大家都是打工人，有什么好装的？
真诚以待。有些面试官喜欢问一些比较冷门的知识来验证候选人的技术深度，这是一个很正常的事情，你也不需要太过于紧张，真诚一点，会就是会，不会就是不会，没什么关系。千万不要自作聪明强行去编造，真诚永远是第一要义！
深入发散。如果聊到你熟悉的一个知识点，你一定要好好把握，可以尝试着深入和发散，让面试官慢慢的进入你的节奏。举个例子，聊到 Kafka 零拷贝的时候。
1. 深入：你可以继续深入，聊一下 sendfile+DMA Scatter/Gather。
2. 发散：深入后再发散，聊一下为什么 RocketMQ 写日志用到了零拷贝，但是 Kafka 写日志的时候不用零拷贝。
深入是展现你对技术的了解程度，发散是展示你的视野宽度。

回答完一个问题之后，可以小小的总结一下，这样不至于你一个人在那里讲的云里雾里，让面试官都找不到你想要表达的重点了。

4.2常见问题

4.2.1项目

项目介绍
项目中遇到的困难
项目的详细细节
重新开始怎样优化项目（硬件设备、算法架构、人员配置、团队分工等方面）

4.2.2Hadoop

Hadoop的了解（简单介绍Hadoop，简述Hadoop的组成和定义）
Hadoop使用经验（介绍Hadoop的生态、组成、应用场景）
Hadoop能够高性能吞吐的依赖有那些（HDFS，MapReduce）
Hadoop的完整计算过程（包括Map、Reduce过程，任务调度等）
Hadoop使用中遇到的困难（从自身设备、内存分配、组件核心配置等方面入手，重点介绍数据倾斜）
什么是数据倾斜问题，场景有哪些？常见的解决方法是什么？
Hadoop数据倾斜的解决方案
Hadoop、Spark、MapReduce区别和优劣
Spark常用算子，原理（RDD）
Spark数据倾斜及解决方案
Spark shuffle原理，hashshuffle 和 sortshuffle
介绍MR原理（工作流程、Map-Shuffle-Reduce）
介绍Hive（Hive的定义、架构）
HiveSQL数据倾斜及解决方案

4.2.3其他

各个框架各自的优缺点和应用场景
数据分仓的理解
未来职业规划
工作中碰到特别复杂的问题怎么办

5. 反问环节

我面试的这个岗位需要用到哪些技术栈？
我面试的这个岗位的最大挑战是什么？
请问面试官对我今后的技术学习有什么建议？
更看重应届生哪方面的素质？