入职快手!聊聊心得...

时间:2021-07-12
本文章向大家介绍入职快手!聊聊心得...,主要包括入职快手!聊聊心得...使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。

大家好,我是Johngo!

同学的一个月面试经验,5个大厂offer,最终入职快手!

入职快手

大学时期陪了我几年的兄弟又一次离职了,去了另外一个大体量以及大流量的互联网公司 - 快手!

真心替他开心!我们从大学认识,到最后毕业一起找工作。一路走来,确实不易!

同样是毕业将近 4 年,可是我相当于只待了一家公司,没有过不同环境带来的感受。可能更多的是,我现在所处的环境是那么的熟悉以至于从来没有过离开的想法。有时候心里真心会抵触一个新但陌生的环境。

但现实情况是,不断的跳槽可以带来更高的薪资,更多的机会,更大的挑战,足以让人生阅历更加绚烂。当然,同样可能也会丧失一些意料之外的东西!

这些意料之外的东西,不管怎么说,都是不同路上不同的风景。遇到花开,我们感受花香和盎然;遇到春雨,我们逆风踩踏泥泞,迎接春雨带来万物复苏。

我的这位朋友,和我一样从事的大数据的岗位,同样是我们两一起毕业就走的一个方向,这次他的离职,我大概要了一个最近面试的高频题目。

准备或者已经在职的同学,想从事大数据岗位的,可以参考看看,有很多的题目是每家公司都会涉及的。所以,没有将每家都分开整理输出,将大多数的高频题目列举了出来。

高频问题

分四个模块

Flink相关

1.Flink如何做到Exactly once? Flink At Least Once与Exactly once区别是什么?

2.Flink反压是怎么做的?

3.Flink如何存储状态?都有哪些容错机制?

4.在使用Flink时,遇到过什么问题?做过哪些优化?

5.Flink与Spark Streaming的区别?Flink在处理实时数据时,比Spark Streaming有什么优势?为什么?

6.Flink watermark机制怎么实现的?

7.Flink join的种类,interval join是怎么把两个流join在一起的?遇到迟到事件怎么处理?

Hive相关

1.数据倾斜怎么解决?

2.sql中的开窗函数会使用吗?列举几个。

3.常见的sql优化手段有哪些?

Kafka相关

1.Kafka存取数据为什么快?页缓存什么意思?

2.Kafka 生产者在生产数据前会经过那些步骤?

3.Kafka ISR 机制是什么?

4.Kafka Controller有什么作用,是怎么选举出来的?

HBase

1.读写数据流程是怎么样的?

2.Hbase读的效率高还是写的效率高?为什么?

3.Hbase协处理器原理是?

以上!

大数据研发 or 数据研发?

由于面试的是偏 Flink 相关岗位,可能在 Spark 方面被问到的比较少。但是有一点,听说很容易能够注意到,在一些大厂,比如说字节、快手、美团等,面试的是大数据岗位,可是很多被问到了数据开发的方向上来,大数据存储、SQL计算以及优化等等。

当时和我说了这一个现象之后,我的第一个感受是,大厂的大数据平台很可能已经成熟,各方面组件已经在平稳无误的运行中。所以大数据平台的建设者们已经稳定,而且不需要那么多人来维护。

剩余的当然是上层的数据分析和数据的应用了,说白了,就是流量变现的数据支撑,而这些是需要大量的数据研发人员来支持。所以,现在很大一部分岗位会是数据研发工程师。会来支持算法同学、数据分析师等等。

LeetCode部分

最后一点,可能就是大家所关系的算法层面的面试了(基础算法不是机器学习算法)。

这一点没有在上面进行总结,因为问的还是比较散,可能每个面试官都有他们自己想要问的题目,而这个题目是经常在工作中用到的吧。

还是,在我的软磨硬泡下,还是想了一个大概的重点排序:

a.字符串

b.数组、列表

c.动态规划

d.DFS / BFS

e.树和图

f.其他

但是在我看来,「树和图」基本相较于其它来说比较简单。「树」中的一些思想可以作为刷题的基础思想,对于比如说动态规划等其它的算法模块是很有帮助的。

另外,提一点,前一段时间的算法刷题群,第一阶段的「树」模块即将进入尾声,还有一起的小伙伴,也可一起加入进来。私信我就ok!

在实际的面试中,几乎每家公司的每一轮面试都会多多少少提及,唯一没有提及的可能就是 HR 面了(手动狗头),LeetCode 还是要作为主要的题目进行练习的。

有的简单有的比较难,但是字节和快手的 LeetCode 题目还可以,最难的也不过是medium。

还有一个说法,入职了这些大厂的人基本没时搞这些算法题目。所以,他们会每个人准备 1-2 道算法题,面谁都用,年年都用。哈哈大家懂的,可提前探探口风(。。。)

本次想说的,一方面是大家对于频繁跳槽的观点是怎样的,另外一个是大数据面试的常考面试题方向。

同时祝我的同学前程似锦。

我也希望和所有一起互相帮助过的同学同事以及看本篇文章的大家江湖相遇。

最后矫情一下,我们决定不了人生的方向以及最后的结局,我们只能历经挫折和磨难,一直向前。坚定目标,坚持不懈,未来一定是属于我们每个人的。


以上就是今天的全部内容啦!

学而知不足,思而得远虑,行而能致远。

我们下期见!

原文地址:https://www.cnblogs.com/yydsxiaozhu/p/15001376.html