推荐算法转数开，面经分享 上

年前：
京东-京东零售部门
1月2日投递

1月3日业务一面
1. 自我介绍
2. 实习内容详细介绍
3. 数据倾斜情况遇到过吗？怎么解决的？
4. 都用过哪些Flink算子？
5. 项目里的Flink的状态和CEP编程具体是怎么做的？
6. 大状态遇到过吗？怎么解决的？
7. ClickHouse的近似去重了解吗？
8. 算法题：爬楼梯

1月10日HR面：
1. 自我介绍
2. 为什么来北方读书
3. 有什么好的学习方法嘛？
4. 最近在学什么新技术？
5. 为什么转数据开发？
6. 请简单从业务角度说明一下，实习期间自己是如何帮助团队
HR面后转推荐

百度-移动生态数据研发部
12月26日投递

1月5日业务一面：
1. 自我介绍
2. 数据仓库建设理论
3. DWS层为什么用ClickHouse？
4. Spark内存溢出的情况有过吗？
5. 用过的Spark算子是什么？
6. Spark 为什么比 mapreduce 快
7. Spark的shuffle机制
8. mapreduce各阶段都在干什么？
9. HDFS读写流程了解吗？
10. Java的垃圾回收机制是什么？
11. Java的线程和进程区别是什么？
12. 还问了个和线程相关的问题，不太懂忘记了
13. 是否还了解其他可视化工具？
14. SQL：求每个省份下user总成绩的第一名
15. 代码考察：将JSON格式的字符串解析成map

1月11日业务二面：
1.自我介绍
2.拷打项目
3.实习期间遇到的难点是什么？
4.Spark和mapreduce的区别
5.算法：快排

1月19日业务三面：
1.为什么想转数据开发？
2.算法和数据开发的区别是什么？
3. Java内存管理
4. Java垃圾回收
5. Java线程
6. Kafka如何实现消费者 exactly once
7. 实习项目的一些问题，每日的数据量，Spark集群设置
三面后挂

实习期间涉及到了数据开发的经历
年前还面了一次字节，对该经历从建模理论到建模优化都拷打了一遍，虽然挂了，但可以说是最有收获的一次实习面试，对做过的项目有了全新认识