[大数据]大厂面试|字节跳动面试题汇总

面试公司：字节跳动

面试岗位：大数据开发

一面题

1、exector 分为几种内存？原理都是什么

2、堆外内存不会被gc回收的，都是用来作什么的

3、flatmap和mapPartition的区别？

4、partition分为hashpartition和rangepartition？各自的实现原理

5、sqoop怎么实现增量导入的？

6、场景模拟：sql实现行转列和 列转行？spark core怎么实现？

7、group by的 数据倾斜问题怎么解决？

8、会问到 hashmap 的相关问题

9、找出两个数组中和为K的元素，两个for循环嵌套实现？时间复杂度为多少更优化的方案？map 实现？空间复杂度多少？

10、二叉树实现 左右子节点的交换，代码落地！

11、还有项目中的相关的问题，注重的解决问题的思路和方法！

12、当然算法也问到了，实现思路说一下就行了，逻辑回归，决策树等

13、 sql就是考察的开窗和相关的优化，尤其是shuffle要尽量少，stage尽量优化为一个！

二面题

1、map、reduce的个数是有什么决定的？

2、A 表：userid session，B表：userid order

求 userid count(session)，count(order),尽量优化

3、NameNode 和 Secondary NameNode 的区别和作用

4、数仓建设流程

5、union 和 union all的区别

6、数据倾斜的解决方案，多种，他会质疑你的方法或者私立，问你有没有更好的思路

7、星型模型和雪花模型的区别

8、业务实现：抠细节！很具体，很注重思路！

（具体的情况实现，会不会出现的问题，比如数据量比较大的情况下会出现的问题，解决方案等）

9、HDFS写数据的时候，是怎么写的？如果中途也在读数据会产生什么样的情况

10、在hive表中临时加字段，重新跑一边数据就可以吗？怎么处理比较完善并且不用修改表？

11、细节问题问的也不少，主要是能抗住他对你的一些思路的质疑和更加完善的想

三面题（部门领导）

基本上没怎么问具体的技术问题，会问思想和思路上的问题：

1、处理问题的解决思路，会不会想到需要整合代码或者封装？

2、平时自己的学习方法和方式

3、一般业务需求来了之后，团队怎么分工，你在业务处理的过程中是都做的什么？

4、在分层的时候，都需要注意那些点？比较重要的（脱敏、权限控制、业务线的整合等）

5、平时都是通过什么方式提升自己的技术水平和思想

6、你以后准备的发展方向都是什么样的

7、还聊了好多 自己对技术的看法和方向什么的，题目比较开放

四面题（技术，实时情况问的多一些）

1、离线的问题上面的其实都差不多，会让你写数据处理的过程

2、mysql的更新数据是怎么导入到hive表中的？

3、缓慢变化维是什么？怎么具体实现？

4、实时的业务流程（数据走向？）具体你都做了什么，抠得很细，还注重思路的优化

5、spark streaming 连接kafka的时候用的什么连接？为什么这么用？

6、spark streaming 连接kafka的直连模式offset维护在哪里，这样有什么好处

7、直连模式 下，我想要重新消费三天之前的数据，这时候该怎么做？

8、checkpoint怎么设置的？设置在哪里？会统一管理嘛？

9、场景模拟题：

一个实时流的数据 message 就这一个字段，字段中包含了tag信息

数据类似于：message #台风#风很大，降雨较多。#山东洪水严重#

这个tag就是 台风 和 山东洪水严重

求：每分钟跑一次数据，求得当前时间往前推24小时的tag数量的top100。

（有点类似于微博的热搜）

五面题（HR）

HR小姐姐很温柔。

1、为啥离职

2、以后的发展方向

3、自己都是怎么学习的

4、再就是讲了一下字节跳动的相关情况和部门的介绍

5、期望薪资，给到了你会直接来吗 等等就是上一家公司的待遇也会问到

其他的就没什么了，就是聊天的了。

好啦，今天的面试题分享就到这啦，上面这些问题你都会答吗？