思想和方法论：
如何建设数仓，如何构建主题域
缓慢变化维 几种处理方式
什么是维度建模，星型模型与雪花模型的区别
数仓的好处
分层的好处
怎么做数据质量，怎么保证及时性和准确性
什么是维度，什么是度量
如何数据治理？
三范式
数据仓库vs数据中台vs数据湖
做过实时数仓吗，讲一下
hadoop：
MapReduce原理，map数、reduce数的参数
说一下 map join 与 reduce join
hive sql怎么优化
spark和hive的区别
数据倾斜几种解决方式
数据如何清洗
说一下udf、udtf、udaf ，集成的类、接口，怎么写
hive文件存储格式，对比
内外表区别
hive执行的job数是怎么确定的
Spark：
join 实现有几种呢，源码有研究过吗？底层是怎么实现的
shuffle形式有几种？都做哪些优化
是通过什么管理shuffle中的内存，磁盘的
讲讲spark内存模型？说说你了解这些，对实际的工作有什么帮助？
rdd有哪些特性？
宽依赖，窄依赖都是什么？有什么不同？除了大家都认为的不同点以外，还有哪些不同？
spark为什么比hive快
讲讲sparksql优化
讲讲RDD, DAG, Stage
说说groupByKey, reduceByKey
spark是怎么读取文件的？
有没有遇到过spark读取文件，有一些task空跑的现象？
窗口函数中几个rank函数有啥不同
parquet文件和orc文件有啥不同
shell：
字符串替换（sed）
本文逗号分隔输出第二列（awk）
注：新浪也考过 awk输出并求和
python：
数组和列表的区别，什么是字典
什么是模块，有哪些内置模块
全局变量与局部变量
算法：
几种排序算法，说一下冒泡排序
堆vs栈
sql题：
手写7日留存
手写连续3日登陆
1000亿userid如何最高性能求uv
业务：
讲一个最复杂的业务场景
数据赋能，你如何体现数仓职位的价值
你能为我们带来什么？
网友评论