大数据面试实际场景类问题怎么准备，实在遭不住了！
300万字！全网最全大数据学习面试社区等你来！
前几天我发了一个面试总结的文章，实际场景类问题在大数据领域面试的占比越来越多。大家面试开始「务实」，在实际场景问题中，顺便增加对框架原理性内容的考察，这绝对是大数据领域内的一个进步，但是同时对工作经验较浅，平时缺少思考的同学们提出了巨大挑战！
这篇文章总结一下，此类问题的背景和应对方式。
背景
我站在面试官的角度，认为实际场景问题的考察越来越多的原因主要是以下因素：
1. 框架本身学习难度不高
从当前整个互联网行业的发展来看，开源的东西很多，大家获取「基本知识」的门槛并不高，你可以轻易从网上找到需要的资源，即使个人领悟能力稍弱，也可以考时间去堆；另外一个主要的原因是单纯的框架原理的考察区分度不高，这就跟高考做题一样，简单中等的大家都会，但是这些问题不能有效区分那些真正有能力的同学，对他们不公平，所以需要在每道大题的最后一个小题上增加难度，区分出来那些真正理论和实践相结合的同学。
2. 实践本身的重要性
实际场景类问题是最简单有效的展示个人能力和视野的方式，尤其是相对较新的领域，这些领域学习成本高、学习曲线陡峭，没有做过恐怕一个字也说不出来；另外这种问题可以最大限度的过滤掉「魔法简历」，相信大家都知道是什么意思。
我们应该怎么做？
我们从两个角度看待这类问题：
第一，从单纯的面试角度
我们在回答这类问题的基本原则应该是三段式的：
要明确你的业务/技术背景
面试官需要清晰的知道这是什么业务场景下的问题，需求方的具体需求是什么？为什么要有这个需求？以及这个场景本身联动的上下游信息是什么？
简洁清晰的表述个人技术方案
一般来讲，我们针对某一个具体的业务需求，需要根据业务需求针对性的给出技术方案。不可能所有的业务场景都是一套方案支持，那么当前业务场景下技术方案优缺点是什么？有什么值得注意的地方？你在实际开发中遇到了什么样的问题以及你的解决方案是什么？上面的三连问，才是是面试官最关注的内容。
另外，这里有一个明显的误区：数据量/数据规模只是很小的参考标准，甚至不是参考标准。这里值得展开讨论一下，我经常看到有同学的简历中这样的描述：平台日均接入数据xxx亿，xxxG等等。大家要明白，这样的话首先并没有说完，其次这是平台本身/框架本身的能力，任何一家公司业务复杂以后，数据规模都会增长，面试官关心的是，当你的数据到达一定规模后，你自己做了什么？例如有些同学还会写，我们的ClickHouse表中100亿消息，200个字段，这跟你有什么关系？这是ClickHouse的能力。你在这种数据规模下做了什么呢？
要说清楚收益
我们现在针对特定的业务场景设计出了针对性的解决方案和技术方案，解决了业务上的问题。那么一定带来的收益。这个收益是两方面的，一方面可以是技术上的，另一方面是业务上的。例如，技术上你可以说明解决什么技术问题，达到了什么样的效果。业务上带来了什么业务指标的提升，多少个百分点的收益。
这些收益也是面试官很关注的。
第二，从思维方式角度
大家看到上面回答问题的方式了吗？这其实反应的是思维的方式，是你平时做事、思考的方式，也是做项目总结和汇报的思路。
这是一种好习惯的养成，尤其是在高端岗位的面试上，在大家回答面试官每一个问题的同时，其实是在告诉面试官，这是我面对一个问题的思考方式，也是我平时做事的思路。
面试官会在内心有所考量，除了技能本身，做事和思考的方式也极大的决定了一个人成事的能力，当然是考量因素。
如果这个文章对你有帮助，不要忘记 「在看」 「点赞」 「收藏」 三连啊喂！
2022年全网首发|大数据专家级技能模型与学习指南(胜天半子篇)
互联网最坏的时代可能真的来了
我在B站读大学，大数据专业
我们在学习Flink的时候，到底在学习什么？
193篇文章暴揍Flink，这个合集你需要关注一下
Flink生产环境TOP难题与优化，阿里巴巴藏经阁YYDS
Flink CDC我吃定了耶稣也留不住他！| Flink CDC线上问题小盘点
我们在学习Spark的时候，到底在学习什么？
在所有Spark模块中，我愿称SparkSQL为最强！
硬刚Hive | 4万字基础调优面试小总结
数据治理方法论和实践小百科全书
标签体系下的用户画像建设小指南
4万字长文 | ClickHouse基础&实践&调优全视角解析
【面试&个人成长】2021年过半，社招和校招的经验之谈
大数据方向另一个十年开启 |《硬刚系列》第一版完结
我写过的关于成长/面试/职场进阶的文章
当我们在学习Hive的时候在学习什么？「硬刚Hive续集」