字节跳动 —— 2023暑期实习面试_字节暑期面试流程

一面内容

字节跳动 —— 2023暑期实习面试

时间：2022.3.29 16:00

岗位：Data 数据平台 数据研发

时常：25分钟左右

仅作为1面的复盘

1. 自我介绍（面试官先自我介绍）

2. 为何工作后读研（之前工作行业相对特殊）

3. 何时能开始实习（5月），能实习多久（4个月），面试官说一般是6个月，我说没有问题，多两个月也行

4. Hadoop HA 如何实现的？高可用集群的调度工具是什么？

5. Hadooop宕机了，如何应对这种问题？（采用副本机制）

6. 副本机制是什么？(block按照3份保存，分别放在不同的DN上，当节点A故障，从B和C上读取， ) ， 我多说了一句client读取的时候遵循两个原则：就近且可靠， 面试官追问：这里就近是物理距离还是传输，我想了想说是传输（本质是带宽性能，有蒙的嫌疑）

7. 这里突然话锋一转：3副本机制改为2副本机制会有什么影响？（我下意识回答，副本数减少，占用的存储空间也减少，后面想不到，感觉这是一种基于实际工作经验的场景题）

8. 面试官引导，换个问题：本来3副本，现在有两副本，如何把第三个补上(开始我愣了一下，他提醒pipeline知道吗？我才意识到是HDFS的写过程，第二个节点通过建立 pipeline 向第三个节点以packet为单元传输数据，从而把数据写入第三个节点)

9. Hive sql 相关， 为什么产生小文件？如何避免小文件？（数据装载过程中最容易产生小文件，比较常规，4种方法，concatenate， 减少mapper, 减少reducer , Hadoopd的archive工具合并成HAR文件）

10. sql题 

tb_visit, 四个字段 user_id, time , city, date(分区)， 求 date ='2022-01-01' , 输出 user_id, 访问次数，首次访问的城市，末次访问的time。 答的不好mmmmmm  

11.反问 （业务部门主要是离线还是实时，从数仓岗位来说，业务和技术哪个更重要？目前网上的一种说法业务的重要性似乎更高，需要投入的经历相对更多） 

一面感觉 

面试官态度还是很好的，有提醒。但是，感觉知道八股文/重点题目考的没啥意思，比如MR过程，Hive数据倾斜如何处理， 选了一些相对偏一点的，同时附加了场景，需要理论+实际经验（没有实际工作经验，不太好容易get到想考的点），也怪自己准备不够充分，毕竟只考了一些离线的内容，细枝末节答的也不太好，挺尴尬。。。 

另外，sql题我着实没想到，想着应该是常见的留存率，连续登陆，topN问题, 都是子查询嵌套+ group by分组 + 窗口函数。还是sql题刷少了，思维还没锻炼好。  

面试官全程没有管我的简历，简历里的项目压根就没管，一般来说根据简历中的内容提问，写了啥顺着问你，所以根据简历准备面试免得自己答不上来。自圆其说都达不到着实尴尬了。

只是这回面试官全程按自己的来，搞得我专门准备的项目经历，建模理论，数仓建设全流程相关（数据准备（探查 定义 读取 对账），数据处理等内容），主题划分，指标统计一点没用上，感觉好奇怪。。。可能是面试官猜到项目这一块我准备的相对充分，专考察基础点, emmmmmm？

小结：

1. Hadoop  Hive八股文被面试官掠过，一些跟生产事故场景相关的细节需要注意（宕机的应对措施，应对过程，由此牵扯出的心跳机制啥的也有可能顺着问你）。 

2. sql题（这次是没考算法题）多刷多练