题目

1.自我介绍

2.挑一段你觉得收获最大的实习经历聊聊吧。比如当时做的业务是什么，技术用在了什么场景，最后有没有一些具体的指标来衡量效果?

3.我们来聊聊数仓吧，为什么要对数据仓库进行分层设计?

4.Hive里的视图(View)用过吗?它主要是解决什么问题的?

5.Hive的分区和分桶，能讲讲它俩的区别和各自的应用场景吗?

6.能详细说说Spark的shuffe过程吗?

7.在之前的工作中，有没有碰到过什么让你印象深刻的性能优化案例?

8.大数据处理中常说的数据倾斜，一般是什么原因造成的?你都知道有哪些解决方法?

9.编程语言这块，你比较熟悉哪些?

10.MySQL索引的底层原理是什么?能展开讲讲吗?

11.数据库和数据仓库，它俩的核心区别是什么?分别适合用在什么样的业务场景里? 12.算法题:写一个二分查找。

参考答案

3. 为什么要对数据仓库进行分层设计？

考察知识点

• 数仓分层的动机与收益：解耦、复用、口径统一、血缘审计、权限隔离、性能、成本与可演进性。
• 常见分层体系：ODS/DWD/DIM/DWS/ADS，以及实时层的对应。

参考回答

• 解耦与复用：把抽取/清洗、明细与公共汇总、主题服务分离，避免每个需求都“从原始数据重新加工”。
• 口径统一：统一在 DWD/DWS 层沉淀公共口径与指标资产，避免“同名不同义”。
• 血缘与审计：层与层之间边界明确，配合元数据/血缘工具，可追溯与可回滚。
• 性能与成本：在 DWS 做公共预聚合减少重复扫描；冷热分层、分区裁剪、列式存储降低成本。
• 权限与稳定性：ODS/DWD 限制直接访问；ADS 面向应用暴露稳定的接口/视图，降低上游变更对下游的扰动。
• 演进：当业务变化时，只需局部替换某一层的实现，不破坏全局。

补充回答

• 典型命名规范：ods.app_event_d_i、dwd.app_event_log_di、dws.user_daily_active_d、ads.growth_funnel_d。
• 反模式：为了“看起来专业”而过度分层，导致时延/成本上升；评估增益/边际成本。
• 得分点提示：答出**“解耦+口径+复用+血缘+性能+成本+演进”**七大收益并举例。