大数据开发工程师（偏数仓开发岗中/高级）面试经验分享（2021）

一、 个人硬性条件如下：

面试岗位： 大数据开发工程师（偏数据仓库开发，中高级）
编程经验：6年
所在城市：西北地区省会城市

二、面试流程

1. 一般开头先介绍自己以及自己的工作经历，概述相关知识储备。
   （表述一定要条理清晰，有层次，有概括。接下来面试官提问的问题一定要直面回答，不能含混不清，不要偷换概念；要是没听懂可以直接请求面试官再表述一遍或者稍微解释一下）
2. 一般面试官会让详细介绍一个熟悉的项目，以及自己在项目中的职责和具体的工作内容。
3. 根据上述工作内容，抓几个知识点开始详细询问原理，机制
4. 开始扩展相关知识点进行询问
5. 集群相关配置（集群大小，节点数，存量大小，增量大小，用的CDH还是原生的）
6. 调度工具的使用情况
7. 偶尔会问在工作过程中你遇到的最难的一个问题是什么？怎样解决的？启发是什么？
8. 不常问但引人深思的一个问题： 在上家公司的工作中你最值得骄傲的是什么？
9. 结束后一般都会问面试者： 你还有什么问题需要了解的吗？

小插曲：某鹅肠分公司面试：直接问了mysql的ACID，顿时懵了。更懵的事，直接现场出题写sql统计，类似于输出数据集中取值范围在4-9的值(but,到现在我还没明白当时题的意思，大写的尴尬)。
结果聊了半天岗位不匹配~

三、面试问题汇总

1. 数据模型分为那几类？ 范式建模和维度建模的区别？
2. 数据仓库的分层原理？以及解决了什么问题？
3. 数据倾斜的解决方案？
4. sql调优方面都做了那些？
5. hive join的类型有那些？ full join 不写关联条件结果会怎样？ SEMI JOIN是怎样关联?

Inner join
Left join 和 Left outer join 本质上没有什么区别
Right join
Full join全关联，输出两个数据集的并集，如果写关联条件会报错
LEFT SEMI JOIN 最主要的使用场景就是解决exist in 只保留主表关联上的数据，不保留被关联表的字段
CROSS JOIN 笛卡儿积 不用写关联条件

6. join 关联的底层机制是什么？
7. map端输出是否有序？ mapreduce过程会有几次排序？
8. 在hive的insert into跟insert overwrite的区别，如果说这个分区没有挂载的话，用overwrite会造成什么样的后果？ 动态分区是怎样实现的？使用了动态分区之后，用overwrite分区，如果没有映射，会对表造成什么样的影响。
9. Group by跟reduce by是什么有什么区别？
10. kylin是怎样保证他查询的效率会非常快，是什么样的原理来实现。
11. Group by在提交任务之后是怎样执行的？
12. ORC格式和parquet的这个格式的优缺点区别是什么？
13. tez和map reduce作业提交到yarn上之后的执行区别是什么？
14. 什么样的情况下是在map阶段可以执行group by的操作。
15. mysql的索引，B + 树和B树的区别。
16. reduce 阶段怎样实现数据的合并和排序的？
17. 上传文件至HDFS的原理是什么？HDFS在整个过程中做了什么？hdfs的存储机制是什么？

投递简历一定要对口，要不面试没有收获反而浪费时间。