一面
形式：线上飞书1v1面，没问自我介绍，问技术问题+SQL手撕代码1道，总时长1h20min左右
·问题1：对这个岗位的理解、说说这个岗位是干什么的
·问题2：说说MySQL和HDFS的区别
→追问：那么他们在存储方面除了你说的文件类型，还有什么不同？HDFS除了txt还能存什么类型的文件？
·问题3：对大数据组件的了解，知道哪些大数据组件
·问题4：数据倾斜
·问题5：MapReduce中什么情况会发生数据倾斜？Map的功能是什么？
·问题6：对哪些数据库有了解？知道哪些分析型数据库？知道Clickhouse、Doris吗？
·问题7：如果抖音上有一个商品订单量某一天突然暴增，怎么用数据的方法去分析原因？在业务层面之外，能不能从数据层面、下单的流程去细化考虑？
·手撕SQL题：
现在有一张表，有user_id列（表示用户编号）和timestamp列（timestamp列表示用户访问的时间戳，单位秒，形如10000、10070这种）。
现在需要统计session情况，如果后台连续30秒以上没有收到用户的访问信息，那么之前的访问就记为一个session。例如对于user_id为1，其timestamp列有10000、10003、10010、10035、10070。10000、10003、10010、10035记为一个session，其session时长session_time为35s；10070为一个session——像这样单独出现的session时长session_time记为1s。
同时还需要统计每个session的起始时间start_ts、结束时间end_ts。例如10000、10003、10010、10035的start_ts为10000、end_ts为10035。10070的start_ts为10070、end_ts为10070。
输出的结果需要有user_id、session_time、start_ts、end_ts列。
面试题1：对这个岗位的理解、说说这个岗位是干什么的
考察知识点
1. 对大数据开发（数据研发）岗位核心职责、工作流程的认知，区分数据开发与数据分析师、算法工程师的差异；2. 对泛抖音业务场景（内容消费、电商、直播、用户行为等）的基本理解，明确数据开发在业务中的价值；3. 自我定位与岗位的匹配度，是否清楚实习生岗位的具体工作内容，体现职业认知和求职诚意；4. 对大数据开发核心技能（ETL、数仓、组件使用）的关联认知，证明自己理解岗位的技术要求。
参考回答
结合字节泛抖音业务场景和大数据开发的核心定位，我对这个实习生岗位的理解是：它是字节抖音生态数据链路的核心支撑角色，本质是“用大数据技术解决业务数据的采集、清洗、存储、计算和服务问题”，核心围绕抖音APP、抖音电商、直播等泛抖音业务，做数据工程化落地和数据支撑，具体工作内容分为5个核心模块，贴合实习生的实操场景：第一，数据采集与ETL开发。负责对接抖音的各类业务数据源，包括用户行为数据（如点击、滑动、停留）、电商订单数据（下单、支付、退款）、直播数据（观看人数、礼物打赏）、内容数据（视频发布、点赞、评论）等，通过Flume、DataX等工具完成数据采集，再使用Hive、Spark等组件编写ETL脚本，对原始数据进行清洗、去重、脱敏、字段转换和关联整合，将杂乱的原始数据转化为结构化的明细数据，为后续数仓建设和指标计算打下基础。第二，数仓分层建设与维护。参与泛抖音业务数仓的分层搭建，遵循ODS（原始数据层）、DWD（明细数据层）、DWS（汇总数据层）、ADS（应用数据层）的分层逻辑，负责具体分层表的设计、开发和维护，比如基于用户行为明细数据，构建用户每日活跃、留存等汇总表，确保数仓结构规范、数据口径统一，支撑后续的多场景数据使用。第三，数据任务开发与监控。基于业务需求，开发离线或实时数据任务，比如每日凌晨执行的离线报表任务、实时更新的电商订单指标任务，使用Spark、Flink等计算引擎编写任务脚本，配置任务调度（如Airflow、Azkaban），同时负责任务的日常监控，排查任务失败、数据延迟、数据质量异常等问题，比如处理数据倾斜、调整任务并行度，确保数据按时、准确产出。第四，数据支撑与协作。配合业务运营、数据分析师、算法工程师完成数据需求，比如协助分析师取数、验证指标口径，为算法团队提供特征数据（如用户行为特征、商品特征），参与业务问题的数据排查，比如分析某类视频播放量下降、某商品订单异常的原因，提供数据层面的支撑，助力业务决策和产品迭代。第五，数据质量与规范建设。参与数据质量校验规则的制定和落地，比如校验数据完整性、准确性、一致性，处理缺失值、异常值等问题；协助整理数据文档，规范数据口径、表结构说明，确保数据可复用、可追溯，降低团队协作成本。整体来看，这个岗位不是单纯的“写SQL、跑任务”，而是兼具工程性和业务性，既要掌握大数据组件的使用和优化技巧，也要理解抖音业务逻辑，核心价值是把业务数据转化为可用的资产，支撑抖音产品优化、电商业务增长、用户体验提升等核心目标，这也是我希望参与的工作方向。
补充回答注意要点
1. 核心突出“业务+技术”结合，避免只谈技术不谈业务，必须关联“泛抖音”场景（电商、直播、用户行为），踩中字节业务重点；2. 工作内容分点但不生硬，每个模块补充具体场景（如ETL的具体数据源、数仓的分层、任务监控的具体问题），体现实操认知，避免空洞；3. 明确区分数据开发与其他岗位（如分析师侧重分析，开发侧重工程化落地），体现岗位认知的准确性；4. 贴合实习生定位，不夸大工作内容，重点突出“协助、参与、落地”等关键词，同时体现主动思考（如数据质量、规范建设）；5. 避免遗漏核心关键词：ETL、数仓分层、数据监控、数据支撑、业务协作，这些是面试官重点关注的得分点。
面试题2：说说MySQL和HDFS的区别；追问：那么他们在存储方面除了你说的文件类型，还有什么不同？HDFS除了txt还能存什么类型的文件？
考察知识点
1. 核心：OLTP（在线事务处理）数据库（MySQL）与分布式文件系统（HDFS）的本质差异，理解两者的设计目标和适用场景；2. 存储层面：数据组织形式、读写模型、副本机制、小文件处理、访问方式等核心差异，深入理解两者的存储原理；3. HDFS基础特性：支持的文件格式、存储优势，考察对HDFS实操的了解程度，贴合大数据存储的核心需求；4. 逻辑思维：能清晰区分不同存储组件的定位，结合实际业务场景说明差异，体现技术认知的深度。
参考回答
MySQL和HDFS是大数据技术栈中两种定位完全不同的存储组件，核心区别在于设计目标和适用场景，具体从核心定位、数据组织、读写能力、扩展性等多个维度展开，同时回应追问内容
