面经

1 先进行自我介绍
2 说一下离职原因
3 目前主要做的什么业务 目前你们这边都有啥业务过程4 平时工作中有没有遇到数据倾斜，怎么实际处理的，除了这种方式5 看你做了实时，实时任务用的啥平台和技术6 olap引擎索引有哪些，平时用的最多的是哪个
7 做个题目，将连续登录3天起步的商户找到
8 有什么要找我这边了解的

参考答案

1）先进行自我介绍

考察知识点

• 职业定位与与目标岗位的匹配度（LBS/出行/地图业务理解）
• 端到端数据能力（采集→建模→存储→开发→质量→服务化→治理→成本）
• 实时/离线一体化与OLAP经验（Flink/Spark/ClickHouse/StarRocks/Doris 等）
• 工程化（CI/CD、容器化、监控告警、稳定性）与可量化成果

参考回答（第一人称模板）

大家好，我叫XXX，目前在XX公司担任大数据开发工程师第X年，主要负责实时/离线一体化数仓与数据服务。我过往的工作聚焦在高并发日志采集、实时指标计算、OLAP 查询加速以及数据治理四个方面：

• 数据链路：
  • 采集：基于 Kafka +（Fluent Bit/Logtail/Canal/CDC） 打通 App 埋点、服务日志、Binlog 变更。
  • 实时计算：使用 Flink SQL 与 DataStream 结合，事件时间、水位线、会话/滚动窗口，Exactly-once（Kafka 事务+Checkpoint），状态后端 RocksDB；典型场景为实时画像、风控规则、流量监控、在线特征。
  • 离线计算：SparkSQL/Spark 结构化构建 DWD/DWS/ADS 分层，明细层存储 Hudi/Iceberg 便于增量合并，批流拉通。
  • OLAP 服务：ClickHouse/StarRocks 建立宽表、物化视图与索引（Zone Map/Bitmap/Bloom/Inverted），支撑 <1s 查询延迟的多维分析与看板。
• 数据治理与质量：统一元数据（DataHub/Atlas）、血缘、指标口径一致性（统一度量规范）、数据质量（Schema 演进、准入校验、DQC 规则）、成本优化（冷热分层、压缩编码、物化视图刷新策略）。
• 可量化成果（示例）：
  • 支撑日均 >XX TB 日志写入，实时链路端到端 p99 1.5s；
  • 通过主键去重+分桶排序+物化视图，将核心 OLAP 查询 平均耗时降低 62%；
  • 引入 Hudi MOR 增量，批任务窗口缩短 35%，资源成本下降 30%。
• 与高德的匹配：我对LBS/出行场景非常感兴趣，特别是POI/路线规划/ETA/实时路况背后的数据建模与时空计算；过去两年我也做了地理网格化（GeoHash/QuadKey）、位置去噪与轨迹切分等专题，对高频时空数据的异常与倾斜治理有实践。

补充回答/注意要点（核心信息与关键维度）

• 用项目-指标-影响三句话结构：做了什么→怎么做→带来什么量化提升。
• 明确“和高德的业务契合点”：时空特征、流量峰谷、强实时、低延迟 OLAP。
• 突出稳定性工程（回滚/限流/Retry/双写/灰度/演练）与治理（指标口径、血缘、DQC）。
• 不必面面俱到，挑 2-3 个亮点展开细节（可追问时继续扩展）。

2）说一下离职原因

考察知识点

• 动机是否正向、是否避免负面评价
• 与目标公司的发展方向匹配（业务规模/技术栈/成长空间）
• 职业发展规划是否清晰（T 字型：纵深+横向）

补充回答/注意要点

• 不抱怨原公司或个人，避免负面。
• 强调面向挑战与成长，与高德场景强相关。
• 若涉及组织调整/地域变动，可轻描淡写为“客观变动+自己选择更匹配方向”。

3）目前主要做的什么业务？你们这边都有啥业务过程？

考察知识点

• 端到端业务流程梳理能力（需求→埋点→采集→建模→开发→服务→运营）
• 分层建模（ODS/DWD/DWS/ADS/DM）、指标治理与数据服务化
• 对实时+离线闭环与成本、质量、稳定性的均衡思维

参考回答（第一人称模板）

以我最近的“实时出行画像与监控看板”为例，业务流程与数仓过程如下：

1）需求与指标设计

• 目标：实时洞察用户出行链路（搜索→选点→路线→导航→到达），构建 DAU、搜索转化、路线成功率、导航开始次数、ETA 偏差等指标。
• 口径：定义唯一身份规则、会话规则（30 分钟无操作重置）、异常判定、迟到数据 T+1 回补策略。
• 指标一体化：实时与离线口径一致，通过统一维表 & 统一计算范式（拉链/增量）保证一致性。

2）数据采集与准入

• App 埋点/服务日志/埋点平台 → Kafka 分区写入（多集群容灾）；
• Binlog → Canal/CDC → Kafka（Schema Registry），超时/失败重投；
• 准入：Schema 校验、脏数据旁路、DV（唯一键/取值域/必填项）检查。

3）实时计算（Flink）

• Watermark 与去重（同一用户同一天多次登录去重规则）；
• 窗口：滚动 1m/5m/1h，聚合 PV/UV、转化率；
• 侧输出用于异常事件与迟到数据；
• 状态管理（RocksDB、State TTL），Exactly-once 语义（Kafka 事务 + Checkpoint）；
• 维表 Join：本地维表 + HBase/Redis/StarRocks 外表，Cache + Async I/O。

4）离线计算（Spark / Flink Batch）

• 明细层 DWD：主键去重、字段标准化；
• 汇总层 DWS：按天/小时聚合，拉链表维护；
• Hudi/Iceberg 管理增量与分区，支持 Upsert 与 ChangeLog。

5）OLAP/服务化

• StarRocks/ClickHouse 承载宽表与指标视图，建 Zone Map、Bitmap/Bloom、Inverted（视字段类型）；
• 物化视图 + 分区刷新，支持多看板低延迟查询；
• 对外：Data Service/API/Presto/Trino 提供自助查询与服务接口。

6）治理/稳定性/成本

• 元数据与血缘（DataHub/Atlas）、指标字典（统一口径）；
• DQC（行数、空值率、分布漂移、对账），异常自动告警；
• 成本：冷热分层、压缩编码（ZSTD/LZ4）、分区裁剪、物化视图增量刷新；
• 稳定性：限流降级、灰度发布、双活/跨 AZ 容灾、定期演练。

补充回答/注意要点

• 画出链路（口述即可）：“源→Kafka→Flink/Spark→Hudi/Iceberg→StarRocks/ClickHouse→Data/API”。
• 强调一致性与回补策略、数据质量闭环与成本治理。
• 可替换为你的“广告/支付/本地生活/风控”等场景，但过程维度尽量齐全。