虾皮新加坡数据工程师一二HR面面经（已offer）
个人背景：LZ在 腾讯 做的是数据分析的工作内容，其实没有太多接触数仓开发相关的内容。所以也有可能有些有数据开发或数据平台开发经验的同学被问到的问题会比我被问到的难。
提前批面的是深圳的数据开发，然后一面挂的。挂完以后痛定思痛好好准备了，所以其实某种程度上来说也挺感谢虾皮给的第一次沉重打击吧，不然还没法振作精神好好准备。
正式批报的是新加坡岗位，笔试做的挺好的，编程题不是太难，好像三道都写出来了。
也用我个人亲身经历告诉大家提前批挂其实也不一定说正式批就没机会了，还是要好好准备好好努力，别放弃。
整体感受：
1. 虾皮的面试难度跟base有关系，感觉深圳的数据开发岗有点偏向BI的角色，所以问数据结构，数据库，操作系统，这样的基础知识比较多；而新加坡的DE岗对大数据平台，包括Hadoop，HBase，Hive，Spark，Flink等知识都会考察到，当然，要是不会某个部分也不会勉强
2. 从面试的难度来说，虾皮给我的压力是最大的，好些问题都没回答出来或者回答好，所以也是真的想过去虾皮做技术的，感觉对个人技术发展和提升还是非常有好处的，东南亚赛道目前又是绝对的王者地位，所以当时也是狠狠心动过的。但因为疫情等不稳定因素，最终没有选择
3. 面试的节奏大概是一周一面，个人经历的全都是视频面试，而且面试官时间观念特别强，每次都准时并且提前四五天约面，好感度拉满，尤其是后期面试很多的时候
面试形式：2面技术+1面HR，视频面（我也见过三次技术面的，那个应该是大佬，我这种菜狗没法比）
一面：
1. 实习介绍
2. spark相关知识（参数设置等）
3. 数据倾斜的场景与解决方案，性能提升幅度
4. 场景题：大数据系统调度作业的优先级设计思路（使用什么数据结构）
5. PriorityQueue实现方式，时间复杂度等
6. kafka，hbase是否了解过
7. hive和spark区别
8. SQL*3
9. 代码题：二叉树左叶子的节点和
10. 反问
二面：
1. 数据分析和数据工程师的区别
2. 转行原因，why不做数据产品或业务产品经理
3. 实习介绍
4. 实习介绍2
5. 场景：如果某天GMV下降了，作为BI和DE你会怎么查原因，具体做法
6. flink涉及过么（LZ太菜，不熟，就说没涉及过）
7. hive的文件存储格式
8. shuffle性能保证的关键，如果分桶不够均匀如何解决
9. 数据膨胀的情况下，如何对spark的map操作进行优化
10. 如何用序列化来优化spark的操作
11. HDFS和RDD的partition的关系
12. offer选择
13. 反问
（这一面真的觉得自己绝对要挂掉了，回答的真的很不好。。。感谢面试官网开一面）
HR面：
1. 英文自我介绍
2. why Shopee
3. why新加坡岗位
4. 家人对于新加坡意见
5. 对新加坡的了解
6. 投递公司与进展
7. offer选择因素
8. 反问
其实给了很多机会，还是疫情的因素影响蛮大的，所以没选。但并不代表虾不是一个好公司，我准备的时候面经不多，也希望面经能帮助到更多面试的小伙伴吧。
#虾皮面试##Shopee##面试题目#
