阿里大数据岗位面试题汇总
学长1
1）技术部分
（1）Spark提交job流程
（2）提交脚本中-jar什么意思
（3）Excutor怎么获取Task
（4）详解Hadoop的WordCount
（5）Spark做过哪些优化，（优化说完会问你为什么？原理是什么？）
（6）Spark内存管理
2）算法部分
（1）单向链表反转
（2）实现堆栈push Pop Min 复杂度0（1）
（3）实现一个队列，男女均衡最长的队列 复杂度0（N）
学长2
阿里三面
第一题，亿级的交易订单量，每笔都有金额，快速找出top1000，要求不是简单的排序然后求出top1000，代码要有健壮性；提示注意是top1000不是top10。Map和Reduce分别做Treemap
第二题：有两个约1000万行记录的4到5G文件，JVM只有32M，在内存不溢出的情况下，找出相似的条数并打印出来。布隆过滤器
第三题，有一个双十一的天猫场景，我要做实时和离线两种分析方向，从数据建模、计算性能、元数据管理、数据质量上讲一讲基本架构设计成什么样子。
阿里四面
第一题，岛上有100个囚犯，他们都是蓝眼睛，但是他们都只能看到别人眼睛的颜色，并不能知道自己的眼睛颜色，而且他们之间不能去谈论眼睛颜色的话题，规定每天晚上都可以有一个人去找守卫说出自己的眼睛颜色，如果错了被杀死，如果对了被释放。但是大家在没有十足的把握前都不敢去找守卫，有一天，一个医生对他们说你们之中至少有一个蓝眼睛，然后N天，这些人都获救了，为什么？这句话对他们有什么影响？
第二题，有100层楼梯，从其中一层摔下鸡蛋的时候鸡蛋会碎，并且次层之上的都会碎，次层之下的都不会碎，如果你有一个鸡蛋、两个鸡蛋、三个鸡蛋，你会怎么去找出这个楼层，最多要试多少次
学长3（杭州）
1）自我介绍
2）技术部分
（1）对未来的职业规划是怎样的？
（2）数仓的流程？你所做的事情？
（3）能讲一下做DW层的案例吗？如何建模的？
（4）讲一下交易的例子吧？
（5）做交易的话模型怎么设计的？
（6）物流的信息，链路的跟踪在不在你的交易表里边？
（7）退款的数据放在哪个表里？
（8）数仓的模型 是怎么建模的？
（9）记录交易的，整体的链路，到底设计了几张表？
（10）拉链表的原理？
（11）拉链表整合的方式？
（12）你在之前的公司遇到的痛点有哪些？（我讲的数据倾斜）
（13）数据倾斜怎么解决的啊？
（14）Join的等倾斜，Join的key，关联键，如果倾斜的话，能直接打散，如果Map端解决不了呢？Mapjoin解决不了怎么办？两个都是大表怎么解决数据倾斜？
（15）MR原理？
（16）Map端做的最重要的事情是什么？
（17）有没有其他你特别擅长的？
（18）怎么提前你SQL写的特别好呢？
（19）建索引要注意哪些事情？
（20）你有啥要问我的吗？
3）总结感悟
全程32分钟，在所有面试当中时间最长的一次了，之前的话在20多分钟就结束了，主要还是自己的语速太快了（禁忌），还是得慢慢的说，有思考的过程，思考你说完面试官会问你啥？其实这次面试自己的语速还是快，结果的话面试官评价我说“我觉得你大部分的流程都是比较清楚的，就是细节上还是得再琢磨琢磨，加强一点”，通话结束。