點(diǎn)擊上方 "大數(shù)據(jù)肌肉猿"關(guān)注,?星標(biāo)一起成長(zhǎng)

點(diǎn)擊下方鏈接，進(jìn)入高質(zhì)量學(xué)習(xí)交流群

今日更新| 1052個(gè)轉(zhuǎn)型案例分享-大數(shù)據(jù)交流群

分享學(xué)習(xí)群一位同學(xué)的大數(shù)據(jù)求職轉(zhuǎn)型經(jīng)驗(yàn)，他本科是二本機(jī)械方向，研究生是一本生物醫(yī)學(xué)方向，原本考研就是為了轉(zhuǎn)到計(jì)算機(jī)方向，因?yàn)榉謹(jǐn)?shù)不夠調(diào)劑了。隨后家里人也給安排了相關(guān)醫(yī)學(xué)院研究工作，但他放棄了，自學(xué)了大數(shù)據(jù)拿到米哈游58同城、比亞迪吉利、美的藍(lán)月亮等offer。

個(gè)人背景：

本科是不知名的二本院校，研究生是東北一所一本院校，導(dǎo)師的方向是生物信息和醫(yī)學(xué)圖像處理。我本科的方向是機(jī)械工程，研究生的方向是醫(yī)學(xué)圖像處理，在2022年10月成功的發(fā)表了一篇sci二區(qū)的期刊論文。

在2022年7月，我收到了米哈游、第四范式等公司的實(shí)習(xí)offer。由于要在8月回復(fù)論文審稿人的意見，家里人安排了一所研究院進(jìn)行實(shí)習(xí)。但是在研究生學(xué)習(xí)過程中、實(shí)習(xí)過程中，發(fā)現(xiàn)自己不太適合科研，學(xué)歷也沒有優(yōu)勢(shì)。

之前在考研二戰(zhàn)期間，由于想轉(zhuǎn)開發(fā)方向就認(rèn)識(shí)了峰哥，后來也在峰哥的指導(dǎo)下，我學(xué)習(xí)了一系列大數(shù)據(jù)相關(guān)的知識(shí)，最終在秋招拿到了58等公司的offer。

學(xué)習(xí)過程：

我是2019年的時(shí)候偶然看到了峰哥的公眾號(hào)，那時(shí)候在考研失利，有些迷茫，通過刷完峰哥的大數(shù)據(jù)轉(zhuǎn)型案例，了解到眾多同學(xué)在峰哥的指導(dǎo)下，進(jìn)入到互聯(lián)網(wǎng)大廠。那時(shí)候面臨著春招，我十分迫切，找到峰哥了解了學(xué)習(xí)路徑。

峰哥根據(jù)我的個(gè)人情況幫我規(guī)劃了學(xué)習(xí)路徑，我在學(xué)完hadoop后，家里人催著考研，于是重新進(jìn)入到考研隊(duì)伍中，然后被調(diào)劑到了東北一所一本院校。

在研一期間，對(duì)算法有些憧憬，甚至還有讀博的念頭，使得我沒有堅(jiān)持按照峰哥規(guī)劃的學(xué)習(xí)路線繼續(xù)學(xué)習(xí)。當(dāng)我經(jīng)歷了研一的科研生活，了解到國(guó)內(nèi)的科研狀況和算法的就業(yè)形勢(shì)，使得我失去了科研和算法的熱情。

于是，我在研二重新開啟了大數(shù)據(jù)的學(xué)習(xí)，前期由于在寫論文，進(jìn)度比較慢，在2022年才開啟數(shù)倉項(xiàng)目、spark、以及spark項(xiàng)目的學(xué)習(xí)。（根據(jù)我的經(jīng)驗(yàn)教訓(xùn)，這里建議大家不要戰(zhàn)線拖太久，不要拖沓，持續(xù)學(xué)習(xí)）

實(shí)習(xí)簡(jiǎn)歷投遞：

我是4月份投稿的論文，所以我很晚才投實(shí)習(xí)崗位。4月11日開始準(zhǔn)備實(shí)習(xí)的面經(jīng)，然后找峰哥修改簡(jiǎn)歷，5月底開始投實(shí)習(xí)崗位。（根據(jù)我的經(jīng)驗(yàn)教訓(xùn)，這里建議大家提前準(zhǔn)備面經(jīng)，并且大多數(shù)的公司實(shí)習(xí)崗位是2月、3月就開始了，我投的時(shí)候已經(jīng)沒有幾點(diǎn)公司招實(shí)習(xí)崗位了，大部分招聘的實(shí)習(xí)崗位還是外包。

要多進(jìn)行面試，不要害怕面經(jīng)沒有背好，面經(jīng)是背不完的，到了后期（包括秋招），我發(fā)現(xiàn)大部分公司問的問題都有點(diǎn)類似，在面試的過程中去豐富面經(jīng)。）

大致情況：

offer：米哈游、華云慧通、華大基因、第四范式

面試掛：好未來、煜象科技、北明數(shù)科

(1)好未來（已掛）

①　UDTF函數(shù)

②　維度建模

③　hive sql 窗口函數(shù)（有一個(gè)用戶，計(jì)算每個(gè)月的累計(jì)薪資是多少？一月份賺了3000，二月份賺了6000，想二月份變成9000，每一次都是累加的）

④　拉鏈表

(2)煜象科技（已掛）

①　自我介紹

②　介紹項(xiàng)目

③　項(xiàng)目中使用了哪些算子函數(shù)

④　hive sql 使用了哪些函數(shù)

⑤　數(shù)倉創(chuàng)建了哪些表

⑥　使用了哪些action算子

⑦　spark、hive數(shù)據(jù)傾斜

⑧　hive表的類型

⑨　hive的存儲(chǔ)格式

⑩　yarn的資源調(diào)度

(3)北明數(shù)科（已掛）

①　自我介紹

②　項(xiàng)目介紹

③　sqoop調(diào)度（數(shù)據(jù)遷移）

④　如何從mysql中讀取數(shù)據(jù)到hive中

⑤　數(shù)倉每一層的表是如何體現(xiàn)的

⑥　hive 注冊(cè)UDF的過程

⑦　在哪操作hive sql的（定時(shí)shell）

⑧　為什么要選擇列式存儲(chǔ)？

⑨　列式存儲(chǔ)的適用場(chǎng)景

⑩　yarn的job提交流程

?　java 中的集合——map接口和collection接口

?　java 樹結(jié)構(gòu)的應(yīng)用（hashmap使用了紅黑樹）

?　完全二叉樹的概念——葉子結(jié)點(diǎn)只能出現(xiàn)在最下層和次下層，且最下層的葉子結(jié)點(diǎn)集中在樹的左部。

秋招簡(jiǎn)歷投遞：

在7月和8月，我在修改論文，回復(fù)審稿人意見，錯(cuò)失了良機(jī)，沒有及時(shí)的投遞提前批。等到9月初才開始投正式批，一開始投的時(shí)候還挑三揀四，一天只投了一兩家，導(dǎo)致我在九月中旬就面試完兩三家后，到十月中旬都屬于“空窗期”，沒有任何筆試和面試。

在九月下旬，才開始著急，然后再瘋狂的投遞簡(jiǎn)歷。根據(jù)我的經(jīng)驗(yàn)教訓(xùn)，這里建議大家要把握住提前批和正式批一開始的時(shí)候，可以先投一些公司，不要全投也不要都不投。

正式批總共投了116家公司，筆試了39家公司（包括6家銀行），面試了25家公司（包括4家銀行，大部分是市級(jí)的分行，聽說要輪崗幾年，基本放棄了），收到10家公司的offer（58、比亞迪吉利等）。

大致情況：

loffer：58同城、比亞迪吉利汽車、藍(lán)鴿藍(lán)月亮美的，茄子科技，還有幾家銀行

(1)茄子科技

1)一面：

①　自我介紹

②　實(shí)習(xí)介紹

③　kafka消息丟失重復(fù)問題

④　kafka防止不丟失

⑤　大數(shù)據(jù)行業(yè)，要解決什么問題？那么大的數(shù)據(jù)量，會(huì)給我們帶來什么問題？——數(shù)據(jù)存儲(chǔ)問題、分類問題、數(shù)據(jù)采集問題、數(shù)據(jù)倉庫問題（結(jié)構(gòu)化的數(shù)據(jù)）、數(shù)據(jù)計(jì)算問題（hadoop、mapreduce、hive、spark）

⑥　kafka在大數(shù)據(jù)領(lǐng)域的作用是什么——削峰和緩存

⑦　什么場(chǎng)景需要會(huì)使用kafka——消息隊(duì)列、數(shù)據(jù)采集、流式處理

⑧　什么是數(shù)據(jù)湖——是一個(gè)集中式存儲(chǔ)庫,一個(gè)以原生格式存儲(chǔ)各種大規(guī)模原始數(shù)據(jù)集的數(shù)據(jù)庫,它允許以任何規(guī)模存儲(chǔ)所有結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。

⑨　實(shí)現(xiàn)一個(gè)數(shù)據(jù)湖，需要解決什么問題？——數(shù)據(jù)導(dǎo)入、數(shù)據(jù)消費(fèi)、數(shù)據(jù)治理、數(shù)據(jù)安全、數(shù)據(jù)存儲(chǔ)等

⑩　hive與mapreduce有什么區(qū)別

?　hive架構(gòu)

2)二面：

①　自我介紹

②　數(shù)據(jù)倉庫分哪些層

③　為什么要對(duì)數(shù)據(jù)倉庫分層

④　數(shù)據(jù)量大小

⑤　hive與mysql有什么區(qū)別

⑥　hive的架構(gòu)

⑦　介紹一下spark，常用的算子（行動(dòng)算子、轉(zhuǎn)換算子）

⑧　rdd、dataframe、dataset的區(qū)別

⑨　實(shí)習(xí)

(2)58同城

1)一面：

①　自我介紹

②　mapreduce工作原理

③　shuffle過程

④　mapreduce中的reduce task數(shù)量、map task數(shù)量以及partition怎么計(jì)算出來的

⑤　為什么對(duì)數(shù)倉進(jìn)行分層

⑥　維度建模

⑦　星型模型與雪花模型的區(qū)別

⑧　spark數(shù)據(jù)傾斜遇到的場(chǎng)景

⑨　kafka消息擠壓?jiǎn)栴}

⑩　在項(xiàng)目中sparkStreaming實(shí)時(shí)做什么功能？

?　sparkStreaming計(jì)算完的數(shù)據(jù)是存放在什么地方？（mysql）

?　建議學(xué)習(xí)flink

2)二面：

①　自我介紹

②　在實(shí)習(xí)、項(xiàng)目過程中遇到了什么困難

③　對(duì)大數(shù)據(jù)哪一塊比較了解？工作原理？

④　hive為什么要兩個(gè)計(jì)劃？物理計(jì)劃和邏輯執(zhí)行計(jì)劃？這兩個(gè)有什么區(qū)別？

⑤　kafka消息丟失和重復(fù)問題

⑥　大數(shù)據(jù)中為什么會(huì)用kafka，不用其他消息隊(duì)列的組件呢

⑦　遇到的技術(shù)挑戰(zhàn)（hive數(shù)據(jù)傾斜）

⑧　業(yè)界最近的一些技術(shù)（數(shù)據(jù)湖）

(3)吉利

①　自我介紹

②　項(xiàng)目介紹

③　數(shù)據(jù)量

④　hive sql執(zhí)行了多少時(shí)間

⑤　hive 數(shù)倉分層，每層的含義

⑥　kafka消息擠壓

⑦　kafka消息丟失與重復(fù)問題

⑧　spark數(shù)據(jù)傾斜問題

⑨　小文件過多，文件分配不均與的問題（spark）

⑩　sql窗口函數(shù)以及之間的區(qū)別

?　手撕spark代碼：wordcount

?　實(shí)習(xí)經(jīng)歷

?　學(xué)校、實(shí)習(xí)團(tuán)隊(duì)溝通是否以接觸老師為主，有木有除了導(dǎo)師以外的人

大家會(huì)發(fā)現(xiàn)，其實(shí)我的面試基本也是圍繞著hive、spark、kafka等幾個(gè)點(diǎn)來進(jìn)行的，有些時(shí)候面試官會(huì)問一些發(fā)散性的問題，這些問題我也會(huì)往我知道的，背過的面經(jīng)上靠。

并且，面試官主要是根據(jù)我們的簡(jiǎn)歷來提問，所以，我們要根據(jù)簡(jiǎn)歷中項(xiàng)目涉及到的知識(shí)點(diǎn)，然后根據(jù)面經(jīng)來提前準(zhǔn)備；hr面最好也要提前準(zhǔn)備一下，準(zhǔn)備一下hr經(jīng)常會(huì)問的一些問題。

總結(jié)：

能在本科求職盡量在本科完成，目前市場(chǎng)來看經(jīng)驗(yàn)比學(xué)歷更重要。因?yàn)榭佳绣e(cuò)過了好幾年，大家不要像我這樣拖沓，一定提早準(zhǔn)備，越早越好，因?yàn)檫^程會(huì)有各種不確定因素影響學(xué)習(xí)，希望我的經(jīng)歷能對(duì)大家有所啟發(fā)。

雖然我簽的公司不屬于互聯(lián)網(wǎng)大廠，但還算比較滿意。最后要感謝峰哥，我經(jīng)常找峰哥咨詢學(xué)習(xí)路線和面試問題。在峰哥的幫助下，我在大數(shù)據(jù)的學(xué)習(xí)過程中也沒有走太多的彎路。

--end--文章來源地址http://www.zghlxwxcb.cn/news/detail-401786.html

掃描下方二維碼

添加好友，備注【交流】
可圍觀朋友圈，也可私信交流