量化派大数据面试题
量化派面试题
学长1
1）基本信息
1月9号:
面试地点：互联网金融中心-11层量化派，金融公司。
面试时长：约2个半小时
面试次数：5次
2）一面：（30分钟）
（1）Spark Core内容。
（2）RDD的容错性，窄依赖，宽依赖怎么进行容错。
（3）RDD的数据从哪来？RDD的五个特性（说不上来）
（4）Partitioner的几个：hash和ranger？？？
（5）说说Hbase的架构
（6）手写代码：二分查找
（7）Java基础：
List：ArrayList,LinkedList
List调用add方法后发生了什么？满了后怎么扩容？
Map：HashMap和TreeMap区别
红黑树底层（不会）
快排，二分以及复杂度
（8）OLAP 是否用过这个：doris
（9）数据一致性
3）二面：大数据老大（1个小时左右）
（1）OLAP中Presto和Druid，Impala区别等问题
（2）数仓的整个过程，每层的细节
（3）实时的指标一些细节
（4）HBase设计原则
（5）HBase场景题
（6）手写代码的环节：单例模式
（7）中序非递归遍历二叉树（只会写递归），我写了递归
4）三面： 应该是个小主管，聊人生（20分钟）
1月15日量化派复试：
5）四面： 技术负责人（35分钟）
（1）问了一些flink和spark,分析Spark TOPN复杂度问题 答得不好
（2）元数据管理和数据治理
6）五面hr（20分钟）：
质疑工作经历，问的很细，一周内等消息（没等到）
学长2
1）笔试题
（1）用Java写出单例模式（多种方法加分）
（2）写一种常见的排序算法并分析时间复杂度
（3）输入字符串输出判断输入是否是一个数字
例如：3.5->true
Ooo->false;
（4）文本文件Filef里面存放公司各个部门人员的工资明细 数据格式如下：
DeptId name salary
1001 张三01 2000
1002 李四02 2500
1003 张三05 3000
1002 王五01 2600
用Java程序写出各个部门的平均工资并倒序输出
2）面试
（1）udf的种类
（2）reduceByKey和groupByKey的区别
（3）spark的job的提交，处理过程
（4）sparkStreaming UpdateStateByKey底层是如何实现保存数据原来的状态的
（5）还有一些关于你项目的具体问题
（6）你是如何实现flume数据传输的监控的
（7）给你一个数组里面有奇数、偶数，写一个算法实现奇数全在最左侧偶数，全在最右侧
写一个算法实现一个二叉树的各层节点的个数