入職快手！聊聊心得...

你們好，我是Johngo！面試

同窗的一個月面試經驗，5個大廠offer，最終入職快手！算法

一

入職快手sql

大學時期陪了我幾年的兄弟又一次離職了，去了另一個大致量以及大流量的互聯網公司 - 快手！數組

真心替他開心！咱們從大學認識，到最後畢業一塊兒找工做。一路走來，確實不易！緩存

一樣是畢業將近 4 年，但是我至關於只待了一家公司，沒有過不一樣環境帶來的感覺。可能更多的是，我如今所處的環境是那麼的熟悉以致於歷來沒有過離開的想法。有時候內心真心會抵觸一個新但陌生的環境。markdown

但現實狀況是，不斷的跳槽能夠帶來更高的薪資，更多的機會，更大的挑戰，足以讓人生閱歷更加絢爛。固然，一樣可能也會喪失一些意料以外的東西！機器學習

這些意料以外的東西，無論怎麼說，都是不一樣路上不一樣的風景。遇到花開，咱們感覺花香和盎然；遇到春雨，咱們逆風踩踏泥濘，迎接春雨帶來萬物復甦。函數

個人這位朋友，和我同樣從事的大數據的崗位，一樣是咱們兩一塊兒畢業就走的一個方向，此次他的離職，我大概要了一個最近面試的高頻題目。學習

準備或者已經在職的同窗，想從事大數據崗位的，能夠參考看看，有不少的題目是每家公司都會涉及的。因此，沒有將每家都分開整理輸出，將大多數的高頻題目列舉了出來。大數據

二

高頻問題

分四個模塊

Flink相關

1.Flink如何作到Exactly once? Flink At Least Once與Exactly once區別是什麼？

2.Flink反壓是怎麼作的？

3.Flink如何存儲狀態？都有哪些容錯機制?

4.在使用Flink時，遇到過什麼問題？作過哪些優化？

5.Flink與Spark Streaming的區別？Flink在處理實時數據時，比Spark Streaming有什麼優點？爲何?

6.Flink watermark機制怎麼實現的？

7.Flink join的種類，interval join是怎麼把兩個流join在一塊兒的？遇到遲到事件怎麼處理？

Hive相關

1.數據傾斜怎麼解決?

2.sql中的開窗函數會使用嗎？列舉幾個。

3.常見的sql優化手段有哪些？

Kafka相關

1.Kafka存取數據爲何快？頁緩存什麼意思？

2.Kafka 生產者在生產數據前會通過那些步驟？

3.Kafka ISR 機制是什麼？

4.Kafka Controller有什麼做用，是怎麼選舉出來的？

HBase

1.讀寫數據流程是怎麼樣的？

2.Hbase讀的效率高仍是寫的效率高？爲何？

3.Hbase協處理器原理是？

以上！

三

大數據研發 or 數據研發？

因爲面試的是偏 Flink 相關崗位，可能在 Spark 方面被問到的比較少。可是有一點，據說很容易可以注意到，在一些大廠，好比說字節、快手、美團等，面試的是大數據崗位，但是不少被問到了數據開發的方向上來，大數據存儲、SQL計算以及優化等等。

當時和我說了這一個現象以後，個人第一個感覺是，大廠的大數據平臺極可能已經成熟，各方面組件已經在平穩無誤的運行中。因此大數據平臺的建設者們已經穩定，並且不須要那麼多人來維護。

剩餘的固然是上層的數據分析和數據的應用了，說白了，就是流量變現的數據支撐，而這些是須要大量的數據研發人員來支持。因此，如今很大一部分崗位會是數據研發工程師。會來支持算法同窗、數據分析師等等。

四

LeetCode部分

最後一點，可能就是你們所關係的算法層面的面試了（基礎算法不是機器學習算法）。

這一點沒有在上面進行總結，由於問的仍是比較散，可能每一個面試官都有他們本身想要問的題目，而這個題目是常常在工做中用到的吧。

仍是，在個人軟磨硬泡下，仍是想了一個大概的重點排序：

a.字符串

b.數組、列表

c.動態規劃

d.DFS / BFS

e.樹和圖

f.其餘

可是在我看來，「樹和圖」基本相較於其它來講比較簡單。「樹」中的一些思想能夠做爲刷題的基礎思想，對於好比說動態規劃等其它的算法模塊是頗有幫助的。

另外，提一點，前一段時間的算法刷題羣，第一階段的「樹」模塊即將進入尾聲，還有一塊兒的小夥伴，也可一塊兒加入進來。私信我就ok！

在實際的面試中，幾乎每家公司的每一輪面試都會多多少少說起，惟一沒有說起的可能就是 HR 面了（手動狗頭），LeetCode 仍是要做爲主要的題目進行練習的。

有的簡單有的比較難，可是字節和快手的 LeetCode 題目還能夠，最難的也不過是medium。

還有一個說法，入職了這些大廠的人基本沒時搞這些算法題目。因此，他們會每一個人準備 1-2 道算法題，面誰都用，年年都用。哈哈你們懂的，可提早探探口風（。。。）

五

本次想說的，一方面是你們對於頻繁跳槽的觀點是怎樣的，另一個是大數據面試的常考面試題方向。

同時祝個人同窗前程似錦。

我也但願和全部一塊兒互相幫助過的同窗同事以及看本篇文章的你們江湖相遇。

最後矯情一下，咱們決定不了人生的方向以及最後的結局，咱們只能歷經挫折和磨難，一直向前。堅決目標，堅持不懈，將來必定是屬於咱們每一個人的。

以上就是今天的所有內容啦！

學而知不足，思而得遠慮，行而能致遠。

咱們下期見！