听着窗外的风声，泡上一杯热茶，我们抛开那些焦虑的“35岁门槛”和“技术迭代恐慌”，像老朋友一样聊聊“大数据开发”这条路。作为一名在这个行业摸爬滚打过几年的“过来人”，我太理解那种站在庞大的技术栈面前，既兴奋又不知所措的感觉了。Hadoop、Spark、Flink、ClickHouse、Doris……这些名字像一座座大山，还没开始爬就让人觉得腿软。但其实，大数据开发的底色，不是“大”，而是“踏实”。它是关于如何稳稳当当地把海量的数据，变成能看懂的价值。如果你想在这个领域扎根，我想分享一些不仅关乎技术，更关乎心境的建议。一、 关于入门：别急着追逐“新潮”，先学会“慢”很多人刚入门时，恨不得一周学会...

1-项目1：1.1-项目的背景及适配场景、团队成员1.2-项目核心思路是否独立主导1.3-如何基于业务提取项目设计思路？2-项目22.1-业务背景、目标、拆解目标、分析思路框架、最终效果介绍；2.2-核心问题是如何得出的？2.3-标杆人群如何定义？项目结论和核心影响因素怎么得出？2.4-策略效果是否验证/认证？2.5-项目中最大的成长是什么？项目有哪些可优化的地方？3-对大数据框架、数仓、数据模型有了解吗？4-对未来工作岗位、工作地点有什么期望？5-对未来行业的期望：偏向大厂/北上机会，还是其他也会考虑？6-反问：询问了具体业务、对校招生的定位

----------------------------------12.30 一面全部问的实习手撕：快排----------------------------------1.6 二面问实习了解过 LLM 类似的机器学习相关的原理性的一些东西吗？（说了些transformer原理）agent的几种模式？分别有什么特点和优劣？反问：几轮面试 回答：两轮技术面+一轮hr反问：部门 回答：同花顺的ai部门----------------------------------暂无后续bg四非本，还是太难了没什么面试，唉

现在正在做小傅哥mini-spring轮子项目，做了1/3，但是现在发现rpc做的人推荐的人更多些，要换成rpc吗？