作者简介
蓝桥签约作者、大数据&Python领域优质创作者。维护多个大数据技术群，帮助大学生就业和初级程序员解决工作难题。
我的使命与愿景：持续稳定输出，赋能中国技术社区蓬勃发展！
目录
1、沟通技巧
1）引导式聊天
2）自信的表达
3）不要暴露缺点
2、充足且针对性的知识储备
1）技术框架部分
2）项目部分
3）算法部分
4）HR部分
3、真实面试案例
真实面试案例（一）
真实面试案例（二）
真实面试案例（三）
很多小伙伴问我说：你拿了那么多大厂的offer，有什么面试套路吗？
我想说的是，面试无非就两点：沟通技巧 充足且针对性的知识储备。
1、沟通技巧
1）引导式聊天
简单来说，就是从自我介绍开始，就蹦出一些技术名词，引导面试官对这些技术知识点进行提问，然后提前准备好答案，回答完上一个问题的时候，扯一嘴其他的技术知识点（很多面试官喜欢打破砂锅问到底，但往往中了你的圈套）。
在面试过程中有很多引导的机会，慢慢体会吧！
2）自信的表达
一个自信的表达，能让整体面试气氛轻松活跃，给面试官好的印象分，面试就像谈恋爱，看感觉的。
3）不要暴露缺点
很多小伙伴（包括当年的我），在面对不会的提问时，不断的去解释，反而会暴露更多问题。这个时候你完全可以说这个不太了解，然后继续后面的回答。相信我，放过几个不会的，不会影响面试结果，因为没有人什么都懂， 你要做的就是：尽可能多的呈现你会的，快速跳过不会的！
2、充足且针对性的知识储备
关于知识储备，我在技术群里咨询了一些大厂的小伙伴的面试经历，分享给大家。
针对这些问题的回答话术，小编会在近期啃下来，作为粉丝福利发布。
1）技术框架部分
（1）会根据面试者简历上的技能点进行考察。注意技能点描述用词，不要随便用熟悉，觉得特别熟的可以说熟练使用
（2）常用的大数据框架是肯定会问的，比如Hive、Spark、Kafka等。常见的如Kafka精准消费问题的多种解决办法对比，Spark的Task调度规则
（3）有些面试官会直接让讲了解的框架最底层实现
（4）Java，MySQL，Redis必问，JVM，Hashmap，JUC相关，MySQL的索引及优化，Redis数据结构、集群、缓存淘汰
（5）常见的协议会考，租约协议，quarum原理，Zookeeper选举，acid，acp，base等
2）项目部分
（1）一般会让你挑你最熟的一个项目讲。考察从项目背景到实现的把控
（2）重点是参与的部分，遇到的难点
（3）常见业务难题的解决和优化，层层递进，头条追求做到极致
（4）没有做过的项目、模块不要乱讲，容易被问懵逼或者被太简单被鄙视
3）算法部分
（1）数据结构必考，手写代码，每一面都会考。常见数组、链表、二叉树、跳表的题。有些部门会先笔试（电脑实际编码运行）再面试
（2）算法部分常见动态规划、概率题、二进制一类
（3）SQL题目，行列转换。分区函数，统计连续登陆天数这一类问题
（4）多刷Leetcode，题都是有套路的
4）HR部分
（1）想好跳槽理由，一般注重抗压能力和稳定性
（2）大厂会有明确的稳定性的要求，如：无连续2段不超过1年的工作经历，当然，一般安排面试的话，就说明稳定性和学历初筛通过了。
3、真实面试案例
真实面试案例（一）
1）技术部分
（1）WordCount的实现过程
（2）MR与Spark的区别
（3）Spark在Client与在集群运行的区别
（3）相同的SQL在HiveSql与SparkSQL的实现中，为什么Spark比Hadoop快
（4）自定义UDF
（5）设计HBase表需要注意的点
（6）HBase的hlog
（7）数据同样存在HDFS，为什么HBase支持在线查询
（8）数据从Hive中用SparkSql进行操作有遇到什么问题？类似兼容性的问题。
（9）SparkStream与Strom，Flink与什么区别
（10）有三个map，一个reduce来做top10，哪种方法最优。数据量特别大。
2）项目的架构
（1）数据仓库的模型设计
（2）数据仓库的数据清洗
（3）业务建模、数据分析方法。
（4）数据仓库是怎么设计的
（5）数仓规范设计哪些方面(字段、维度，存储压缩、数据保留机制)
（6）数仓质量怎么监控(数据质量管理系统，主键唯一、非空、数据波动)
（7）数仓主题分哪些(按照公司业务归类
（8）数仓拉链表的原理
（9）有没有遇到数据倾斜的问题（场景、解决方式）
（10）数仓重点调度任务的保障方式（调度系统优先级）
（11）数仓任务报错和监控（调度系统捕捉错误，电话短信告之值班人员）
真实面试案例（二）
1）笔试部分
（1）有一表名t_sh_mtt_netdisk_log，从表名可以看出该表是什么业务的，是什么周期粒度的表。
（2）怎么查看表结构，表创建语句？怎么查看表有哪些分区？怎么查看分区对应hdfs路径？怎么计算某个分区的数据量大小？怎么计算某个分区的文件总数？
（3）有一hive sql，怎么计算这个sql会产生多少个map数？
（4）怎么查看hive有什么自带函数？怎么查看函数的详细信息？
（5）Hive支持哪些基木数据类型？
（6）请指出下面两个语句读取分区ds数据的不同
Select * from t where ds=20150101 and province='gd' or province='ex'
Select x fromt where ds 20150101 and（province='gd' or province='ex'）
（7）将字符串"keyl=valuel&key2=value2...keyn=valuen"进行分割放到一个字段里面，可以查出任意一个keyx对应的valuex值。请写出查询语句，并计算总共有多少个key值。
（8）用一个字符串比如"alblc"来测试某个函数比如split（用|分隔符将字符串进行分割）的语句
（9）a表和b表内连接，a表为小表，只有2000行记录
select a.*from a Join b on a.key=b.key
可以进行怎样的优化
（10）a表left join b表，b表为小衣，可以进行怎样优化？
scleet a.*from a left join Join b ona.key=b.key
如果a为小表，可以怎样优化？
（11）请指出下面sql语句的区别
select a.* from a left Join b on a.key = b.key and a.ds=xxx and b.ds=xxx
sclect a.* from a lef Join b on a.key = b.key and b.ds=xxx
select a.* from a lef Join b on a.key = b.key and b.ds=xxx where a.ds=xxx
Select a.* from a left Join b on a.key = b.key where a.ds=xxx and b.ds=xxx
（12）多表连按的写法：a,.b,c三个表内连接，连接字段都是key，怎样写连接语句？
（13）两大表连接，发生了数据倾斜，有几个reduce无法完成，怎么查找发生数据领斜的原因？应该怎样优化？
语句：select t1.*,nvl(t2.x,1) from t1 left join t2 on t1.guid=t2.guid
（14）两大表连接，发生了数据倾斜。有一个reduce无法完成，检直发现t1中guid="的记录有很多，其他guid都不重复，这条语句该怎样优化？
语句：select t1.*,nvl(t2.x,1) from t1 left join t2 on t1.guid = t2.guid
（15）如何用hive q！实现sqL中的exist/in 子句
mysql语句如下：
SEL ECT a* FROM a where a.key in（select dstinct key from b where key like ‘filter%’）
（16）sort by、distribute by、cluster by 和 order by 区别
注：可参考数据工厂的“帮助中心》集群hive》hive使用优化》hive使用注意事项”
真实面试案例（三）
1）技术部分
（1）我看你上面写了你会Spark，那你用Spark写一下刚刚那道题的代码，不能用Spark SQL
（2）我看你上面有写到熟悉Hive原理和优化，你说一下怎么优化
（3）优化有说到语句优化，然后又说回到pv和uv那个问题，假如说让你优化你怎么优化（我代码里面有count(distinct id) uv,）
（4）问了一些Kafka的，我只记得一点点，问我数据会不会重复消费，什么情况下会重复消费
（5）在Hive执行语句的时候如果很慢，什么原因造成
我有提到数据倾斜的问题，他又问怎么解决数据倾斜
2）项目部分
（1）让你挑一个比较有亮点的项目详细说
（2）你负责了什么，数仓中统计了哪些指标，
（3）刚刚听你说项目里面有提到分层，如果我要你求每天商品的pv，uv，从ods层到dm层它的具体流向，各层都统计了什么（后来让写求pv，uv的sql语句）
3）场景部分
（1）有一个分区表，表名T，字段qq，age，按天分区，让写出创建表的语句
（2）刚刚的分区表，求20200221这个分区中，年龄第N大的qq号列表
4）手写部分
（1）三个字段，timestamp，user_id，product_id，让求pv最大的商品，写了之后又叫用Scala代码写一遍，然后又问，假如说只让你求pv数大于100的top3呢，代码又怎么写
