数据仓库、数据开发面经

本文主要是介绍数据仓库、数据开发面经，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

目录

一、前言

二、关于内推or猎头or招聘软件的选择

三、面试形式

四、面试流程选择

五、面试点

六、结尾

一、前言

笔者是19届硕士，以接近硕2的工作经验进行了毕业以来第一次社招的面试，最终结果还不错。经历这两个月的面试，笔者发现在数据仓库、数据开发的面试中，各个公司考察的点大同小异，正好借这个机会写篇文章总结一下，也给大家伙提供一些参考。

笔者的基本面试情况：前期大概准备了半个月到一个月，然后从年后进行面试，断断续续一直到4月中旬，总共面试了两个半月左右。

二、关于内推or猎头or招聘软件的选择

其实针对于工作经验不长的伙伴，不是太建议找猎头，一方面是听说通过猎头的候选人，公司在考察的时候会更加严苛一些，至于通过之后薪酬是否会比以内推方式或者招聘软件方式更高，这个就不得而知了。另一方面，低工作年限的求职者找猎头的意义不大，如果说自己觉得找这种工作信息麻烦，那么也可以通过猎头去和意向公司接触，这个就是仁者见仁智者见智的事情了。

一般来说，笔者是尽量找朋友内推进行面试，考虑的是朋友会更加了解公司情况并且能够及时跟进面试流程。

如果面试公司没有朋友，则通过招聘软件去找，笔者主要通过两个软件：BOSS直聘和脉脉。（在找工作的时候切记屏蔽目前在职公司的hr以及招聘人员，不然万一发现了就尴尬了）

三、面试形式

因为疫情的影响，所以面试一般是以视频面试的形式，有时候也存在语音面试的情况（一般是hr面）。

和校招时不一样，校招时一般是先通过牛客网或者其他网站进行笔试，通过之后再是两轮或三轮电话技术面试，最后再是hr面。

视频面试的感受和现场面还是不一样，感觉现场面试能够发挥的更好一些，也能让面试者和面试官更加了解。

远程面试一般一天一轮面试，hr面可以和最后一轮总监面在一天，加快面试流程。

四、面试流程选择

笔者建议还是先提前准备，然后找一两家公司面试，练练手，摸清楚面试框架之后再慢慢的向自己心仪的公司靠拢。

这种方案的优点就是稳扎稳打，步步为营，后期谈薪资的时候也有参考，缺点就是整体面试战线拉的比较长，可能后期hc比较紧张导致面试难度变高或者面试机会变少。

当然，如果面试者平时就有积累，并且对自己的能力非常有把握，也是可以直接面自己心仪的公司的。

五、面试点

针对于数据仓库、数据研发的面试，一般考察的点如下：

1.自我介绍（需要简洁、清楚、有重点）

2.基础技术能力

1. mr的shuffle过程
2. group by，join的底层实现
3. hadoop的map、reduce由什么决定
4. olap引擎优缺点：kylin、druid、ck等
5. 列式存储和行式存储的优缺点，orc的特点，orc和parquet的区别
6. UDF，UDAF，UDTF区别，是否有过实现经验？如何实现？
7. 是否具备实时数仓、实时数据开发相关经验？
8. 行转列、列转行
9. spark和hadoop区别
10. ...

3.数仓建模思想和能力

1. 缓慢变化维的种类以及应用
2. 数据倾斜以及如何优化？
3. 事实表设计步骤
4. 事实表分类
5. 数仓为什么分层，当前公司的数仓分层模型。
6. 目前数仓建模思想有哪些？kimball和Inmon的区别和优缺点是什么？
7. 数据质量从哪些方面保证？
8. 什么是维度建模？维度建模和宽表的优缺点？
9. 星型模型和雪花模型的区别？
10. 对数据建模自己的理解和看法（发散型问题）。
11. ...

4.简历上的项目

1. 项目背景是什么？
2. 你的角色是什么？
3. 你做了什么？
4. 为什么这么做、设计？
5. 带来了什么效果和收益？
6. 项目中每天的数据量是多少？是否遇到一些问题，如何解决？
7. ...

5.编码类问题

1. leecode编码题（easy和medium级别）
2. sql场景题及其优化（一般考察数据倾斜以及窗口函数等），一般第一问比较简单，后面会针对不同情况进行提问（比如大数据量下如何处理？）
3. ...

6.发散型问题

1. 未来的规划？
2. 为什么出来看机会？
3. 工作中团队的分工，你承担了什么角色，基于这个角色你做了什么？有没有超出这个角色职能范围的事情？你的看法是什么？
4. ...

六、结尾

最后，祝各位面试的小伙伴都能拿到满意的工作，满意的薪资！

本文属于笔者(a6822342)原创，未经允许，禁止转载。

这篇关于数据仓库、数据开发面经的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！