欧美1区2区3区激情无套,两个女人互添下身视频在线观看,久久av无码精品人妻系列,久久精品噜噜噜成人,末发育娇小性色xxxx

字節(jié)安全風控數(shù)開實習一面涼經(jīng)

針對簡歷的項目提問,
介紹一下mapreduce的過程,
spark的優(yōu)勢,
數(shù)據(jù)傾斜的解決方案,
數(shù)倉分層的好處,
介紹一下flink,
如何實現(xiàn)精準一次
sql題:現(xiàn)在有一張表存的是這兩個字段,student_id, score 數(shù)據(jù)格式如下,lihua01,['math':98 english':87, chinese':99].
寫一個hivesql實現(xiàn)查詢每個學科排名第三名的同學

sql題:hivesql實現(xiàn)查詢今日訂單量是過去7日訂單量均值的2倍的商家id

#牛客AI配圖神器#
全部評論
校友啊,數(shù)開看看我們這里呀,我可以幫你tui
1 回復 分享
發(fā)布于 04-16 17:14 天津

相關推薦

從研二上學期開始嘗試找實習(本人沒有大廠情節(jié),純屬混口飯吃),本貼屬個人紀錄,旨在留下這段難忘的經(jīng)歷。研二上:1. B站-數(shù)據(jù)平臺大數(shù)據(jù)開發(fā)實習生(處男面)- 已掛:人生第一次面試,開始抱著試試的態(tài)度沒想到B子給了面試機會,但是我的表現(xiàn)實屬難崩,面試官從親切隨和到面露難色,面試具體問了一些科研方面的情況,以及包括數(shù)據(jù)分析,機器學習,spark的八股,一道sql手撕(連表查詢),整個時長30分鐘,到點即拜拜。整體不算難,奈何當時自己實在太菜。不出意外,一面掛。2. 梅斯醫(yī)學-數(shù)據(jù)處理- 已掛:算是一個中廠,第一次經(jīng)歷長達一個小時的面試拷打,面試主要圍繞簡歷展開,包括科研、比賽的一些情況,針對簡歷中的技術(shù)棧問的特別詳細,甚至口述具體代碼怎么寫(例如爬蟲等),還包括場景題,例如如何從一大段文本中提煉想要的信息?關鍵詞匹配?等等,其他的忘了。自認為答得還行,奈何5天后,通知已掛。經(jīng)過上述羞辱,樓主深感求職不易,痛定思痛繼續(xù)沉淀,加上小論文返稿了,決定下學期再戰(zhàn)。研二下:二月底開始瘋狂投簡歷:1. 安興實業(yè)-數(shù)據(jù)專員-已oc:面試信心滿滿,做好了手撕的準備,結(jié)果就打電話問了些無關緊要的邏輯問題便順利入職(例如,你怎么進行多任務安排?)。2. 蔚來-數(shù)據(jù)分析-kpi面:樓主以為又是難得的機會,隨即全力準備,惡補數(shù)據(jù)分析知識,在???、xhs搜了很多的面經(jīng),面試針對項目問了一些機器學習算法的原理,數(shù)據(jù)處理方案,數(shù)倉實時工具,三個面試官輪流問,問的不痛不癢且無手撕。3. 巖山科技4. 安般科技5. 惟翼6. 華申瑞利7. 和鯨科技8. 依圖9. B站-筆試10.中電科子公司11.平安租賃 最后入職中電科子公司,細節(jié)后續(xù)再更新。
投遞蔚來等公司7個崗位
點贊 評論 收藏
分享
1. 基本情況方向:數(shù)據(jù)工程,時間:40分鐘結(jié)束、16:00開始,無手撕,多場景2. 自我介紹3. 一些能夠回憶起來的(或許有不正確的地方):(1)提問R:你這個項目是課程作業(yè)還是什么?R:那你說說Hive和ClickHouseR:你談到了OLAP,那和OLTP有啥區(qū)別?R:沒了?ClickHouse適合那種場景?R:可以用作實時數(shù)倉嗎?R:課程中有數(shù)據(jù)庫相關的嗎?只有數(shù)據(jù)結(jié)構(gòu)與算法?R:MySQL系統(tǒng)學習過嗎?R:數(shù)據(jù)怎么導入到ClickHouse的?R:直接到ClickHouse?R:數(shù)倉分層?四層講講。R:那為什么要分層呢?DWS已經(jīng)差不多了為什么還需要ADS呢?R:場景題:在你的表上新...
牛客861513826號:A場景題:數(shù)量統(tǒng)計不說了;退貨平均時間:先溝通清楚,月平均退貨時間算不算上不退貨的用戶,不算的話,就只計算退貨用戶;一個用戶的退貨時間減去到貨時間拿到這件商品的退貨時間,然后計算每個退貨用戶的退貨時間,AVG開窗partition by月份,計算出每個月的平均退貨時間。如果要算上不退貨的用戶,也就是讓這個用戶的退貨時間是0,然后對所有用戶計算AVG同上。 B場景題:結(jié)合下面他提示你再想想數(shù)據(jù)傾斜,其實這道題是想靠你數(shù)據(jù)傾斜怎么解決;本來是一個商品購買信息表,記錄商品信息和購買者信息,如果給購買者信息加上性別,要求算出每個商品不同性別的購買人數(shù)。百分之八十女性用戶,所以如果單純對表進行分組聚合,會產(chǎn)生數(shù)據(jù)傾斜問題,由分組聚合產(chǎn)生。五種辦法可以解決,兩種hive參數(shù),三種SQL,往SQL方向聊,以防他追問參數(shù)底層,參數(shù)這種東西最難聊了,別給自己挖坑
點贊 評論 收藏
分享
評論
2
7
分享

創(chuàng)作者周榜

更多
??途W(wǎng)
??推髽I(yè)服務