rt，27号开的提前批，当天下午投递，晚上约面，约的是次日（28日）晚上，计划半小时面试官自我介绍，我自我介绍后续围绕项目、实习、场景拷打，无算法、少量八股围绕我的一个高并发项目拷打，多级缓存，HeavyKeeper原理，Caffeine，分布式系统缓存一致性...另一个项目拷打，线程池是如何设计的，单核多核下IO阻塞计算型如何分配线程，aop和反射在项目中的应用，动态代理，多智能体协同中实现一致性的机制...半小时过了面试官说还想问点问题，接着面了二十分钟实习拷打，多租户平台设计隔离性设计是如何保证的，权限校验的设计，策略模式最后问对希望偏业务一点还是中台一点，对于base地的考虑反问，问部...

有人零实习也能进大厂，是因为他们手里有比实习更硬的底牌，高学历背景，985、211的毕业证本身就是一块金字招牌，或者丰富的科研经历，发表过高质量的论文，参与过前沿项目，这些都是能力的直接证明；亦或是那些高含金量的奖项，像ACM竞赛的金奖、Kaggle比赛的高排名，这些都能让招聘官一眼相中，当然，家庭背景硬也是一种隐性优势。总之，没有人能够无缘无故的进入大厂，当然家庭背景很硬也是一种能力

一、背景 大数据时代，对数据的使用分析频繁，在数仓层面对数据的管理组织都在考虑用新的技术方案实现更快速的数据计算，算力的发展是底层引擎迭代的驱动力；从最最初的MR计算框架到现在的基于Rdd的内存计算模型，再到向量化计算优化，一步步追求更高性能的计算。数据模型的发展也是从最初的银行范式建模，到现在迭代快速的维度建模反范式建模，团队发展从最初的中台团队到现在的BP模式，都在追求极致的效率。目前，在对数据模型层面对长周期的数据进行访问都在追求避免对底层明细数据的过多扫描，从而实现模型计算效率的提升。本篇重点剖析几种数据压缩方案。主要是基于二进制压缩的方案进行数据模型的压缩。 目前，在对实体进行历史周...