秋招的一些面经吧——大数据面经和java面经（阿里巴巴）

渣硕的秋招算是终于结束了，写一下秋招的一些面经吧。应聘方向是大数据开发和java开发

大概拿到的offer有：阿里、美团、快手、贝壳、作业帮、旷视、农行总部、浙江大华、海康威视、有赞、云从科技、招银网络科技、oppo

一.阿里巴巴（已拿offer）：

渣硕阿里面了总共三个部门，最终有幸拿到了阿里新零售的数据研发。

最后数据研发岗位没有总结面经。前面两个部门。

阿里cbu一面（java开发）（挂掉）：

1.项目，实习难点
2.用过的数据结构
3.树和图和链表都有啥
4.进程间通信方式，socket和消息队列区别
5.安全攻击的方式和解决方案
6.ajax
7.哈夫曼树和应用
8.序列化和实现方式，作用
9.分库分表如何排序
10.散列知道吗
11.死锁场景，
12.ipc的常见方式
12.微服务是啥
13.最大堆最小堆添加节点
由于是电子专业，所以和安全的问题基本上都没有回答上来。

阿里淘系技术部（java开发）（一面+二面+三面挂掉）

一面

1.java hashMap和concurrentHashMap
2.volatile关键词，结合内存模型，java为什么可以跨平台，java加载过程
3.cas原理。aba问题如何解决,原子类
4.线程不安全的例子，如何解决
5.异常分类，什么时候throws
6.==和equals区别
7.java代码写了多少i
12.hive的优化
13.讲讲hadoop和mapreduce
14.讲讲spark
15.了解什么中间件吗？kafka和redis，zookeeper
16.kafka的作用和架构
17.redis回收策略，redis实现分布式锁
18.zookeeper实现分布式锁
19.实习重构的难点

二面

1.mapreduce重构成spark任务的限制
2.mapreduce和spark的区别
3.hive的优化
4.两个很大的数据集，如何判断重复的数字（bitmap），bitmap有数据大小限制吗
5.mapreduce写udf
6.hive中udf实际用过吗。具体处理流程
7.springmvc处理流程
8.servlet线程安全吗。如何保证安全。servlet全局变量是多个线程都可以访问吗
9.spark为什么用scala，scala和java的不同

三面

刚从杭州网易hr面回来，状态不好，好多基础题没回答上来，挂掉（二面面试官打电话说特别可惜）

阿里新零售数据中台四面（数据研发岗）（拿到offer）

可能是数据研发岗为，进入了我熟悉的领域。所以就回答的还不错，不过就是hr面试之后好长时间才捡漏一个offer

二、快手（已拿offer）

快手是大数据平台部，秋招前的散招。加上hr面总共有五面，最后只给了我一个大白菜，很气。大数据开发

一面：
1.kafka中patiton如何保证有序
2.storm数据倾斜，某个省数据量特别大。
3.storm进行join
4.很多数据，一个namenode不够用
5.storm中数据量很大，acker影响性能吗
6.udf写用户经纬度是否在
7.数据库acid如何保证一致性
8.hdfs为什么128M
9.zookeeper中CAP怎么哪个
10.storm中bolt数量
11.hbase的高可用
12.多个表full join
13.hive sql编译过程
14.数据仓库，星型模型和雪花模型，适用于什么
二面:
1.累计报表
2.父子关系，统计出来
3.公司业务（分为哪几块）
4.hive大表进行join，如何分库分表减少数据倾斜
5.如何确定map数量
6.如何处理小文件
三面:
1.杀死线程池中线程的方法
2.hbase有什么缺点
3.多线程进行1到100加和操作。开10个线程进行加和
4.spark提交job流程
5.hashMap的扩容
四面:
1.累计报表优化,每日新增
2.concurrentHashMap默认桶数量，多线程写时冲突概率
3.线程池数量和io型、cpu型,原因
4.多线程原因

三、美团（已拿offer）（大数据开发）

一面：
1.spark输出文件的个数，如何合并小文件
2.hbase的预分区。
3.storm的反压机制，在哪触发的反压zookeeper的watch机制，ack机制
4.kafka用的哪个版本，offset存在哪
5.class文件在1.8存储在哪
6.如何预防数据倾斜
二面：
计算机的分页
storm的消息保证
hdfs的ferderation
hdfs中namenode请求太多
信号量ipc通信
判断是不是二叉搜索树
贪吃蛇用什么数据结构
计算机网络中分页，虚拟内存是什么
ACID是什么
三面:
redis一致性
kafka一致性
kafka相对于其他的优点
roi从哪来。供谁使用