入职快手！聊聊心得...

你们好，我是Johngo！面试

同窗的一个月面试经验，5个大厂offer，最终入职快手！算法

一

入职快手sql

大学时期陪了我几年的兄弟又一次离职了，去了另一个大致量以及大流量的互联网公司 - 快手！数组

真心替他开心！咱们从大学认识，到最后毕业一块儿找工做。一路走来，确实不易！缓存

一样是毕业将近 4 年，但是我至关于只待了一家公司，没有过不一样环境带来的感觉。可能更多的是，我如今所处的环境是那么的熟悉以致于历来没有过离开的想法。有时候内心真心会抵触一个新但陌生的环境。markdown

但现实状况是，不断的跳槽能够带来更高的薪资，更多的机会，更大的挑战，足以让人生阅历更加绚烂。固然，一样可能也会丧失一些意料以外的东西！机器学习

这些意料以外的东西，无论怎么说，都是不一样路上不一样的风景。遇到花开，咱们感觉花香和盎然；遇到春雨，咱们逆风踩踏泥泞，迎接春雨带来万物复苏。函数

个人这位朋友，和我同样从事的大数据的岗位，一样是咱们两一块儿毕业就走的一个方向，此次他的离职，我大概要了一个最近面试的高频题目。学习

准备或者已经在职的同窗，想从事大数据岗位的，能够参考看看，有不少的题目是每家公司都会涉及的。因此，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。大数据

二

高频问题

分四个模块

Flink相关

1.Flink如何作到Exactly once? Flink At Least Once与Exactly once区别是什么？

2.Flink反压是怎么作的？

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？作过哪些优化？

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

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在一块儿的？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存取数据为何快？页缓存什么意思？

2.Kafka 生产者在生产数据前会通过那些步骤？

3.Kafka ISR 机制是什么？

4.Kafka Controller有什么做用，是怎么选举出来的？

HBase

1.读写数据流程是怎么样的？

2.Hbase读的效率高仍是写的效率高？为何？

3.Hbase协处理器原理是？

以上！

三

大数据研发 or 数据研发？

因为面试的是偏 Flink 相关岗位，可能在 Spark 方面被问到的比较少。可是有一点，据说很容易可以注意到，在一些大厂，好比说字节、快手、美团等，面试的是大数据岗位，但是不少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以后，个人第一个感觉是，大厂的大数据平台极可能已经成熟，各方面组件已经在平稳无误的运行中。因此大数据平台的建设者们已经稳定，并且不须要那么多人来维护。

剩余的固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，而这些是须要大量的数据研发人员来支持。因此，如今很大一部分岗位会是数据研发工程师。会来支持算法同窗、数据分析师等等。

四

LeetCode部分

最后一点，可能就是你们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，由于问的仍是比较散，可能每一个面试官都有他们本身想要问的题目，而这个题目是常常在工做中用到的吧。

仍是，在个人软磨硬泡下，仍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.其余

可是在我看来，「树和图」基本相较于其它来讲比较简单。「树」中的一些思想能够做为刷题的基础思想，对于好比说动态规划等其它的算法模块是颇有帮助的。

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，还有一块儿的小伙伴，也可一块儿加入进来。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说起，惟一没有说起的可能就是 HR 面了（手动狗头），LeetCode 仍是要做为主要的题目进行练习的。

有的简单有的比较难，可是字节和快手的 LeetCode 题目还能够，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。因此，他们会每一个人准备 1-2 道算法题，面谁都用，年年都用。哈哈你们懂的，可提早探探口风（。。。）

五

本次想说的，一方面是你们对于频繁跳槽的观点是怎样的，另一个是大数据面试的常考面试题方向。

同时祝个人同窗前程似锦。

我也但愿和全部一块儿互相帮助过的同窗同事以及看本篇文章的你们江湖相遇。

最后矫情一下，咱们决定不了人生的方向以及最后的结局，咱们只能历经挫折和磨难，一直向前。坚决目标，坚持不懈，将来必定是属于咱们每一个人的。

以上就是今天的所有内容啦！

学而知不足，思而得远虑，行而能致远。

咱们下期见！