订阅更新

全部面试题905 道

全部 FlinkSparkKafka项目与面试表达Hadoop / Hive / HBaseAI 与大模型OLAP 与数据湖数仓建模SQL 与数据库数据应用：画像 / 指标 / 报表数据开发与治理Java 与 JVMPythonLinux 与运维分布式与综合
按题号 最新在前
  1. 001 数据质量检查怎么设计？ 数据开发与治理
  2. 002 你有遇到过 Spark 的数据倾斜吗？ Spark
  3. 003 Flink 任务出现反压，你怎么排查？ Flink
  4. 004 Kafka 消息积压了，你怎么排查？ Kafka
  5. 005 Flink Checkpoint 经常失败，你怎么排查？ Flink
  6. 006 数仓分层怎么设计？ 数仓建模
  7. 007 Flink 的 Exactly-Once 是怎么实现的？ Flink
  8. 008 Spark Shuffle 为什么慢？怎么优化？ Spark
  9. 009 Hive SQL 跑得很慢，你怎么排查？ Hadoop / Hive / HBase
  10. 010 项目中的技术选型，你怎么向面试官解释？ 项目与面试表达
  11. 011 离线任务出现重复数据，你怎么排查？ 数据开发与治理
  12. 012 拉链表怎么设计？ 数仓建模
  13. 013 Kafka 如何保证消息不丢失？ Kafka
  14. 014 Flink Watermark 和迟到数据怎么处理？ Flink
  15. 015 Kafka Consumer 频繁 Rebalance，你怎么排查？ Kafka
  16. 016 Flink State 太大，你怎么优化？ Flink
  17. 017 HDFS 小文件过多，怎么治理？ Hadoop / Hive / HBase
  18. 018 Spark 任务 OOM，你怎么排查？ Spark
  19. 019 Kafka 分区数怎么设计？ Kafka
  20. 020 Flink 维表 Join 怎么设计？ Flink
  21. 021 Spark Executor 参数怎么配置？ Spark
  22. 022 Kafka 出现重复消费，怎么保证幂等？ Kafka
  23. 023 Flink Checkpoint 和 Savepoint 有什么区别？ Flink
  24. 024 Hive 分区表和分桶表有什么区别？ Hadoop / Hive / HBase
  25. 025 Spark 广播 Join 什么时候用？有哪些坑？ Spark
  26. 026 Kafka ISR、HW 和 LEO 分别是什么？ Kafka
  27. 027 数仓事实表的粒度怎么设计？ 数仓建模
  28. 028 Flink 窗口怎么选？滚动、滑动、会话有什么区别？ Flink
  29. 029 Kafka 为什么吞吐量高？ Kafka
  30. 030 数仓维度表怎么设计？ 数仓建模
  31. 031 Flink 并行度怎么设置？ Flink
  32. 032 Kafka 如何保证消息顺序？ Kafka
  33. 033 数仓增量同步怎么设计？ 数仓建模
  34. 034 Flink Async IO 怎么用 Flink
  35. 035 Kafka Offset 怎么提交？自动还是手动？ Kafka
  36. 036 Spark 宽依赖和窄依赖有什么区别？ Spark
  37. 037 SQL Join 后数据量翻倍，你怎么排查？ SQL 与数据库
  38. 038 数仓中的迟到数据怎么处理？ 数仓建模
  39. 039 Flink Keyed State 和 Operator State 有什么区别？ Flink
  40. 040 Kafka acks 和 min.insync.replicas 怎么配置？ Kafka
  41. 041 Spark Cache 和 Persist 有什么区别？ Spark
  42. 042 SQL 去重怎么做？DISTINCT 和 ROW_NUMBER 怎么选？ SQL 与数据库
  43. 043 Spark Repartition 和 Coalesce 有什么区别？ Spark
  44. 044 Flink Window Join 和 Interval Join 怎么选？ Flink
  45. 045 Kafka Consumer 越多，消费吞吐一定越高吗？ Kafka
  46. 046 累计快照事实表怎么设计？ 数仓建模
  47. 047 SQL EXISTS、IN 和 JOIN 怎么选？ SQL 与数据库
  48. 048 Spark 推测执行什么时候开？有哪些坑？ Spark
  49. 049 Flink Broadcast State 怎么用？有哪些注意点？ Flink
  50. 050 Kafka Retention 怎么配置？消息到期就一定删除吗？ Kafka
  51. 051 数仓退化维度什么时候用？ 数仓建模
  52. 052 SQL 窗口函数 ROWS 和 RANGE 有什么区别？ SQL 与数据库
  53. 053 Spark AQE 能解决什么问题？有什么局限？ Spark
  54. 054 Flink Side Output 什么时候用？ Flink
  55. 055 Kafka 幂等 Producer 和事务 Producer 有什么区别？ Kafka
  56. 056 周期快照事实表怎么设计？ 数仓建模
  57. 057 SQL COUNT(*)、COUNT(1) 和 COUNT(列) 有什么区别？ SQL 与数据库
  58. 058 Spark 中 Job、Stage 和 Task 是怎么划分的？ Spark
  59. 059 Flink Timer 什么时候用？有哪些坑？ Flink
  60. 060 Kafka auto.offset.reset 怎么配置？earliest 和 latest 有什么区别？ Kafka
  61. 061 事务事实表怎么设计？ 数仓建模
  62. 062 SQL ROW_NUMBER、RANK 和 DENSE_RANK 有什么区别？ SQL 与数据库
  63. 063 Spark SQL Catalyst 优化器是怎么工作的？ Spark
  64. 064 Flink Barrier 对齐和非对齐 Checkpoint 有什么区别？ Flink
  65. 065 Kafka 分区分配策略怎么选？Range、RoundRobin 和 Sticky 有什么区别？ Kafka
  66. 066 数仓一致性维度怎么设计？ 数仓建模
  67. 067 SQL UNION 和 UNION ALL 有什么区别？ SQL 与数据库
  68. 068 SQL LEFT JOIN 条件放在 ON 和 WHERE 有什么区别？ SQL 与数据库
  69. 069 SQL GROUP BY 和窗口函数有什么区别？ SQL 与数据库
  70. 070 SQL GROUPING SETS、ROLLUP 和 CUBE 有什么区别？ SQL 与数据库
  71. 071 数仓星型模型和雪花模型怎么选？ 数仓建模
  72. 072 数仓多值维度和桥接表怎么设计？ 数仓建模
  73. 073 SQL WHERE 和 HAVING 有什么区别？ SQL 与数据库
  74. 074 SQL CASE WHEN 有哪些常见坑？ SQL 与数据库
  75. 075 SQL COALESCE 和 NULLIF 怎么用？ SQL 与数据库
  76. 076 SQL LAG 和 LEAD 怎么做环比、同比？ SQL 与数据库
  77. 077 SQL 的逻辑执行顺序是什么？ SQL 与数据库
  78. 078 SQL PIVOT 和 UNPIVOT 有什么区别？ SQL 与数据库
  79. 079 数仓角色扮演维度怎么设计？ 数仓建模
  80. 080 数仓杂项维度什么时候用？ 数仓建模
  81. 081 无事实事实表怎么设计？ 数仓建模
  82. 082 数仓微型维度怎么设计？ 数仓建模
  83. 083 RAG 知识库的数据链路怎么设计？ AI 与大模型
  84. 084 RAG 文档切分 Chunking 怎么设计？ AI 与大模型
  85. 085 RAG 为什么要做混合检索和重排？ AI 与大模型
  86. 086 大模型微调和 RAG 怎么选？ AI 与大模型
  87. 087 AI 应用的数据质量怎么保障？ AI 与大模型
  88. 088 CDC 增量同步如何保证不丢不重？ 数据开发与治理
  89. 089 HBase RowKey 怎么设计？ Hadoop / Hive / HBase
  90. 090 离线数仓和实时数仓如何保证数据一致？ 数仓建模
  91. 091 数据湖、数据仓库和湖仓一体有什么区别？ OLAP 与数据湖
  92. 092 为什么列式存储更适合分析场景？ OLAP 与数据湖
  93. 093 AI 特征平台如何保证训练和推理一致？ AI 与大模型
  94. 094 向量数据库和传统数据库有什么区别？ AI 与大模型
  95. 095 HNSW 和 IVF 向量索引怎么选？ AI 与大模型
  96. 096 RAG 的效果怎么评估？ AI 与大模型
  97. 097 Embedding 模型怎么选？ AI 与大模型
  98. 098 RAG 如何做数据权限隔离？ AI 与大模型
  99. 099 Iceberg 的 Copy-on-Write 和 Merge-on-Read 怎么选？ OLAP 与数据湖
  100. 100 Spark SQL 的 Broadcast、SortMerge 和 ShuffleHash Join 怎么选？ Spark
  101. 101 ClickHouse 的分区键、排序键和主键怎么设计？ OLAP 与数据湖
  102. 102 数据血缘怎么设计才真正有用？ 数据开发与治理
  103. 103 AI Agent 的短期记忆和长期记忆怎么设计？ AI 与大模型
  104. 104 RAG 知识库如何做增量更新？ AI 与大模型
  105. 105 大模型应用的可观测性怎么设计？ AI 与大模型
  106. 106 AI 对话日志的数仓模型怎么设计？ AI 与大模型
  107. 107 向量索引如何处理更新和删除？ AI 与大模型
  108. 108 大模型应用如何控制 Token 成本？ AI 与大模型
  109. 109 Flink CDC 遇到 Schema Evolution 怎么处理？ Flink
  110. 110 Spark 动态分区裁剪 DPP 是怎么工作的？ Spark
  111. 111 Iceberg 的 Snapshot、Time Travel 和 Branch 有什么区别？ OLAP 与数据湖
  112. 112 指标平台和语义层怎么设计？ 数据应用：画像 / 指标 / 报表
  113. 113 SQL 中 NOT IN 遇到 NULL，为什么结果可能为空？ SQL 与数据库
  114. 114 SQL 如何计算用户连续登录天数？ SQL 与数据库
  115. 115 SQL 如何实现每个分组的 Top N？ SQL 与数据库
  116. 116 COUNT(DISTINCT) 数据量很大时怎么优化？ SQL 与数据库
  117. 117 数仓代理键和自然键怎么选？ 数仓建模
  118. 118 缓慢变化维 SCD1、SCD2、SCD3 有什么区别？ 数仓建模
  119. 119 数仓的数据域和主题域怎么划分？ 数仓建模
  120. 120 ETL 任务如何设计幂等和可重跑？ 数据开发与治理
  121. 121 历史数据回刷怎么避免影响线上数据？ 数据开发与治理
  122. 122 指标口径变更后，历史报表怎么兼容？ 数据应用：画像 / 指标 / 报表
  123. 123 Spark Checkpoint 和 Cache 有什么区别？ Spark
  124. 124 Spark 为什么重视序列化？Java 和 Kryo 怎么选？ Spark
  125. 125 Spark 动态资源分配是怎么工作的？ Spark
  126. 126 Spark 为什么会写出大量小文件？怎么控制？ Spark
  127. 127 Flink Operator Chain 和 Slot Sharing 怎么理解？ Flink
  128. 128 Flink 任务升级时，State 如何兼容？ Flink
  129. 129 Kafka Log Compaction 是怎么工作的？ Kafka
  130. 130 Kafka 零拷贝为什么能提升吞吐？ Kafka
  131. 131 HDFS 写数据流程和副本机制是怎样的？ Hadoop / Hive / HBase
  132. 132 Parquet 和 ORC 怎么选？ OLAP 与数据湖
  133. 133 SQL 如何计算次日、7日和30日留存率？ SQL 与数据库
  134. 134 SQL 如何计算漏斗转化率？ SQL 与数据库
  135. 135 SQL 如何计算中位数和分位数？ SQL 与数据库
  136. 136 Spark RDD、DataFrame 和 Dataset 有什么区别？ Spark
  137. 137 MapReduce Shuffle 过程是怎样的？ Hadoop / Hive / HBase
  138. 138 Kafka Leader 选举和故障恢复是怎么做的？ Kafka
  139. 139 HBase 的读写流程是怎样的？ Hadoop / Hive / HBase
  140. 140 HBase 热点问题怎么产生？如何解决？ Hadoop / Hive / HBase
  141. 141 HDFS NameNode HA 是怎么实现的？ Hadoop / Hive / HBase
  142. 142 Hive 中 ORDER BY、SORT BY、DISTRIBUTE BY 和 CLUSTER BY 有什么区别？ Hadoop / Hive / HBase
  143. 143 SQL 如何计算滚动7日活跃用户和移动平均？ SQL 与数据库
  144. 144 SQL 执行计划怎么看？如何定位慢查询？ SQL 与数据库
  145. 145 数仓宽表和维度模型怎么选？ 数仓建模
  146. 146 ODS 层全量表、增量表和快照表怎么设计？ 数据开发与治理
  147. 147 Spark Driver 和 Executor 分别负责什么？ Spark
  148. 148 Spark 统一内存管理是怎么工作的？ Spark
  149. 149 Flink State Backend 怎么选？ Flink
  150. 150 YARN 的 ResourceManager、NodeManager 和 ApplicationMaster 分别负责什么？ Hadoop / Hive / HBase
  151. 151 Kafka Producer 的 batch.size 和 linger.ms 怎么配？ Kafka
  152. 152 HDFS FsImage、EditLog 和 Checkpoint 是什么关系？ Hadoop / Hive / HBase
  153. 153 SQL 如何合并连续日期和连续区间？ SQL 与数据库
  154. 154 SQL 相关子查询和普通子查询有什么区别？ SQL 与数据库
  155. 155 数仓中可加、半可加和不可加指标怎么理解？ 数仓建模
  156. 156 数仓总线矩阵怎么设计？ 数仓建模
  157. 157 Spark 分区数怎么设置？ Spark
  158. 158 Spark 的 map 和 mapPartitions 有什么区别？ Spark
  159. 159 Flink CEP 怎么做复杂事件检测？ Flink
  160. 160 Kafka Consumer Group 协调机制是怎样的？ Kafka
  161. 161 HDFS 读数据流程和短路读取是怎样的？ Hadoop / Hive / HBase
  162. 162 Iceberg 隐藏分区和分区演进是怎么实现的？ OLAP 与数据湖
  163. 163 SQL 递归 CTE 怎么处理层级和路径？ SQL 与数据库
  164. 164 事务隔离级别和 MVCC 怎么理解？ SQL 与数据库
  165. 165 Data Vault 的 Hub、Link 和 Satellite 怎么设计？ 数仓建模
  166. 166 Spark 广播变量和累加器有什么区别？ Spark
  167. 167 Spark RDD Lineage 如何实现容错？ Spark
  168. 168 Flink ProcessFunction 能做什么？ Flink
  169. 169 Flink SQL Changelog 是什么？ Flink
  170. 170 Kafka KRaft 为什么替代 ZooKeeper？ Kafka
  171. 171 HDFS Federation 和 HA 有什么区别？ Hadoop / Hive / HBase
  172. 172 YARN Capacity Scheduler 如何做队列和资源隔离？ Hadoop / Hive / HBase
  173. 173 SQL 联合索引的最左匹配怎么理解？ SQL 与数据库
  174. 174 数据库 Nested Loop、Hash Join 和 Merge Join 怎么选？ SQL 与数据库
  175. 175 数仓原子指标、派生指标和复合指标怎么设计？ 数仓建模
  176. 176 Lambda 架构和 Kappa 架构怎么选？ 分布式与综合
  177. 177 Spark UDF 为什么常比内置函数慢？ Spark
  178. 178 Flink Temporal Join 如何关联版本化维表？ Flink
  179. 179 Kafka 的 Segment 和稀疏索引如何定位消息？ Kafka
  180. 180 HDFS 纠删码和三副本怎么选？ Hadoop / Hive / HBase
  181. 181 HBase Region Split 和 Compaction 有什么区别？ Hadoop / Hive / HBase
  182. 182 Iceberg Manifest 和元数据裁剪是怎么工作的？ OLAP 与数据湖
  183. 183 SQL MERGE INTO 如何实现增量更新？ SQL 与数据库
  184. 184 覆盖索引和 Index Only Scan 怎么理解？ SQL 与数据库
  185. 185 数据合同 Data Contract 怎么设计？ 数据开发与治理
  186. 186 主数据、参考数据和维度数据有什么区别？ 数仓建模
  187. 187 Spark Tungsten 为什么能提升执行效率？ Spark
  188. 188 Spark Whole-Stage CodeGen 是怎么工作的？ Spark
  189. 189 Spark Structured Streaming 的 Append、Update 和 Complete 模式怎么选？ Spark
  190. 190 Spark Structured Streaming 如何处理迟到数据和状态清理？ Spark
  191. 191 Flink Restart Strategy 和 Failover Strategy 有什么区别？ Flink
  192. 192 Flink State TTL 怎么配置？为什么数据不会立即删除？ Flink
  193. 193 Kafka 压缩算法怎么选？Producer、Broker 和 Consumer 谁负责？ Kafka
  194. 194 Kafka 机架感知如何避免副本集中？ Kafka
  195. 195 HDFS Balancer 和 Disk Balancer 有什么区别？ Hadoop / Hive / HBase
  196. 196 HBase BlockCache 和 BloomFilter 如何减少磁盘读？ Hadoop / Hive / HBase
  197. 197 Hive CBO 为什么依赖统计信息？ Hadoop / Hive / HBase
  198. 198 Iceberg 乐观并发和提交冲突怎么处理？ OLAP 与数据湖
  199. 199 数据湖 Compaction、Clustering 和 Vacuum 有什么区别？ OLAP 与数据湖
  200. 200 Iceberg、Hudi 和 Delta Lake 怎么选？ OLAP 与数据湖
  201. 201 SQL CTE 一定会物化吗？MATERIALIZED 和 NOT MATERIALIZED 怎么选？ SQL 与数据库
  202. 202 SQL 分区裁剪为什么会失效？ SQL 与数据库
  203. 203 事实表中的 NULL 外键怎么处理？ 数仓建模
  204. 204 Schema Drift 怎么治理？ 数据开发与治理
  205. 205 Spark FetchFailedException 怎么排查？ Spark
  206. 206 Spark Task Locality 是什么？为什么会出现 ANY？ Spark
  207. 207 Flink 增量 Checkpoint 是怎么工作的？ Flink
  208. 208 Kafka 静态成员和 Cooperative Rebalance 如何减少重平衡影响？ Kafka
  209. 209 HBase WAL 和 MemStore 如何保证写入不丢？ Hadoop / Hive / HBase
  210. 210 Iceberg Position Delete 和 Equality Delete 有什么区别？ OLAP 与数据湖
  211. 211 SQL Join 重排为什么可能失效？ SQL 与数据库
  212. 212 物化视图什么时候用？如何设计刷新策略？ OLAP 与数据湖
  213. 213 Data Mesh 和集中式数仓怎么选？ 数仓建模
  214. 214 数据目录 Data Catalog 怎么设计才有人用？ 数据开发与治理
  215. 215 Spark Spill 是什么？为什么会频繁发生？ Spark
  216. 216 Flink 数据倾斜怎么排查和治理？ Flink
  217. 217 Kafka Quota 如何做多租户流量隔离？ Kafka
  218. 218 HDFS SafeMode 是什么？为什么一直退不出去？ Hadoop / Hive / HBase
  219. 219 Hive 向量化执行为什么更快？ Hadoop / Hive / HBase
  220. 220 Iceberg Schema Evolution 为什么依赖 Field ID？ OLAP 与数据湖
  221. 221 SQL 深分页为什么慢？游标分页怎么设计？ SQL 与数据库
  222. 222 SQL 金额计算为什么有尾差？DECIMAL 怎么设计？ SQL 与数据库
  223. 223 跨时区数仓怎么划分业务日期？夏令时怎么处理？ 数仓建模
  224. 224 多张事实表怎么关联？Drill Across 如何避免指标放大？ 数仓建模
  225. 225 订单级优惠和运费，怎么分摊到商品明细？ 分布式与综合
  226. 226 双时态数仓怎么建模？如何还原当时看到的数据？ 数仓建模
  227. 227 CDC 全量快照和增量日志怎么无缝衔接？ 数据开发与治理
  228. 228 调度依赖怎么设计？上游成功为什么下游仍然缺数据？ 数据开发与治理
  229. 229 源表和目标表怎么对账？为什么行数一致还不够？ 数据开发与治理
  230. 230 数仓容灾怎么设计？RPO 和 RTO 如何落地？ 数仓建模
  231. 231 Spark collect 为什么容易撑爆 Driver？toLocalIterator 能解决吗？ Spark
  232. 232 Spark 为什么惰性执行？多个 Action 会重复计算吗？ Spark
  233. 233 Flink Mailbox 模型怎么工作？为什么阻塞调用会拖慢整个 Task？ Flink
  234. 234 Flink SQL MiniBatch 和 Local-Global 聚合怎么优化吞吐？ Flink
  235. 235 Kafka 心跳正常为什么还会 Rebalance？max.poll.interval.ms 怎么配？ Kafka
  236. 236 Kafka read_committed 为什么读不到最新消息？LSO 和 HW 有什么区别？ Kafka
  237. 237 HBase Scan 为什么慢？Filter、Caching 和 Batch 怎么配？ Hadoop / Hive / HBase
  238. 238 HDFS 节点下线怎么做？Decommission 和 Maintenance 有什么区别？ Hadoop / Hive / HBase
  239. 239 ClickHouse ReplacingMergeTree 为什么还有重复？FINAL 怎么用？ OLAP 与数据湖
  240. 240 CAP 定理怎么解释？为什么不能简单说三选二？ 分布式与综合
  241. 241 SQL 如何把用户行为切成会话？30 分钟规则有哪些边界？ SQL 与数据库
  242. 242 SQL 展开多个数组为什么会翻倍？怎么保留位置对应关系？ SQL 与数据库
  243. 243 库存数仓怎么建模？流水和快照为什么经常对不上？ 数仓建模
  244. 244 多租户数仓怎么设计主键？为什么加了 tenant_id 仍会串数据？ 数仓建模
  245. 245 Spark foreachBatch 怎么保证幂等？有 Checkpoint 还会重复写吗？ Spark
  246. 246 Flink keyBy、rebalance 和 rescale 有什么区别？ Flink
  247. 247 Kafka 扩分区为什么可能乱序？同一个 Key 还能保证顺序吗？ Kafka
  248. 248 Parquet 怎么跳过不相关数据？有过滤条件为什么仍然扫描很多？ OLAP 与数据湖
  249. 249 MySQL redo log、undo log 和 binlog 有什么区别？CDC 为什么读 binlog？ SQL 与数据库
  250. 250 布隆过滤器为什么会误判？为什么不能直接删除元素？ 分布式与综合
  251. 251 SQL 补齐缺失日期后，怎么向前填充最近有效值？ SQL 与数据库
  252. 252 SQL 怎么找出买齐所有指定商品的用户？ SQL 与数据库
  253. 253 订单和退款怎么建模？跨月退款应算在哪一天？ 数仓建模
  254. 254 埋点数据怎么去重？event_id、重试和业务重复怎么区分？ SQL 与数据库
  255. 255 Spark SQL ANSI 模式有什么影响？脏数据类型转换怎么处理？ Spark
  256. 256 Flink 空闲分区为什么会卡住 Watermark？withIdleness 怎么用？ Flink
  257. 257 Kafka Producer 超时就代表发送失败吗？delivery.timeout.ms 怎么理解？ Kafka
  258. 258 HBase 支持事务吗？单行原子性和 CheckAndMutate 能保证什么？ Hadoop / Hive / HBase
  259. 259 ClickHouse 增量物化视图为什么不随源表更新？和定时刷新有什么区别？ OLAP 与数据湖
  260. 260 数据任务重试怎么设计？为什么越重试故障越严重？ 数据开发与治理
  261. 261 SQL EXCEPT 和 NOT EXISTS 有什么区别？差集对账为什么会漏重复？ SQL 与数据库
  262. 262 SQL 怎么计算同时在线人数峰值？开始和结束同一时刻怎么算？ SQL 与数据库
  263. 263 各渠道转化率都涨了，整体为什么反而下降？辛普森悖论怎么解释？ 分布式与综合
  264. 264 多币种数仓怎么建模？汇率变化会不会改掉历史金额？ 数仓建模
  265. 265 Spark 为什么报 Task not serializable？闭包里不能放什么？ Spark
  266. 266 Flink Checkpoint 太慢，怎么区分对齐慢和快照慢？ Flink
  267. 267 Kafka Offset 为什么不连续？Offset 差值能直接当消息条数吗？ Kafka
  268. 268 HDFS Block 越大越好吗？文件、Block 和 InputSplit 有什么区别？ Hadoop / Hive / HBase
  269. 269 Hive 动态分区怎么写？为什么分区太多会拖慢任务？ Hadoop / Hive / HBase
  270. 270 数据脱敏和权限控制有什么区别？测试环境怎么安全使用生产数据？ 数据开发与治理
  271. 271 SQL LAST_VALUE 为什么取不到最后一条？窗口边界怎么写？ SQL 与数据库
  272. 272 SQL 怎么稳定抽取百分之一用户？随机抽样和哈希抽样有什么区别？ SQL 与数据库
  273. 273 组织架构调整后，历史业绩归谁？数仓层级关系怎么建模？ 数仓建模
  274. 274 箱、件、千克能直接求和吗？多计量单位的数仓怎么设计？ 数仓建模
  275. 275 Spark SQL 加了 Join Hint 就一定生效吗？为什么提示广播仍然慢？ Spark
  276. 276 Flink 有状态任务怎么扩容？并行度和最大并行度有什么区别？ Flink
  277. 277 Kafka 消息太大怎么处理？只调 max.request.size 够吗？ Kafka
  278. 278 HBase 配了 TTL 为什么数据还占空间？TTL 和多版本怎么配合？ Hadoop / Hive / HBase
  279. 279 源表删了记录，数仓为什么还在？删除事件怎么传到下游？ 数仓建模
  280. 280 数据任务零行输出算成功吗？空跑和真实零业务怎么区分？ 数据开发与治理
  281. 281 SQL 怎么统计新增、回流和流失用户？只看当天活跃够吗？ SQL 与数据库
  282. 282 SQL 按有效期关联维表，为什么一笔订单会匹配两条记录？ SQL 与数据库
  283. 283 SQL 用 MAX 拼出最新记录靠谱吗？为什么字段来自不同的行？ SQL 与数据库
  284. 284 预算按月、实际按天，数仓里怎么对比才不会把预算算重？ 数仓建模
  285. 285 订单拆单、合单后怎么建模？父子订单的金额和单量怎么统计？ 数仓建模
  286. 286 Spark Stage 卡在99%都是数据倾斜吗？慢尾任务怎么定位？ Spark
  287. 287 Flink Watermark 已经推进，窗口为什么还没有输出？ Flink
  288. 288 Kafka Topic 删除重建后，能继续使用原来的消费位点吗？ Kafka
  289. 289 Parquet Row Group 越大越好吗？文件大小和读取并行度怎么权衡？ OLAP 与数据湖
  290. 290 数据任务怎么断点续传？游标保存了，为什么还是丢数或重复？ 数据开发与治理
  291. 291 SQL 同比一定是日期减一年吗？闰年和同星期怎么对齐？ SQL 与数据库
  292. 292 SQL FULL JOIN 对账，怎么区分缺了一行和字段本来就是 NULL？ SQL 与数据库
  293. 293 订单当前状态和状态变更流水，数仓为什么要分开建模？ 数仓建模
  294. 294 订阅业务怎么建模？扣款、续费、取消和会员到期是一回事吗？ 数仓建模
  295. 295 Spark SQL 加 LIMIT 10 就只读十行吗？为什么查询还是很慢？ Spark
  296. 296 Flink Buffer Debloating 是什么？把网络缓冲调大就能消除反压吗？ Flink
  297. 297 Kafka 历史回放怎么做才安全？换一个消费组就够了吗？ Kafka
  298. 298 Iceberg 过期快照和清理孤儿文件有什么区别？为什么不能按文件年龄直接删？ OLAP 与数据湖
  299. 299 数据开发怎么写测试？SQL 单测、集成测试和端到端验收怎么分工？ SQL 与数据库
  300. 300 数据质量阈值怎么定？固定波动百分比为什么总误报？ 数据开发与治理
  301. 301 SQL 怎么求最长连续增长天数？只判断今天大于昨天够吗？ SQL 与数据库
  302. 302 SQL Join 两边类型不一致会怎样？隐式转换为什么既慢又可能算错？ SQL 与数据库
  303. 303 用户账号合并后，历史UV和付费人数要重算吗？OneID怎么保留版本？ SQL 与数据库
  304. 304 列式存储为什么压缩率高？字典、RLE和Delta编码分别适合什么数据？ OLAP 与数据湖
  305. 305 Spark 广播变量能实时更新吗？规则变更怎么保证任务用同一版本？ Spark
  306. 306 Flink Timer 太多怎么优化？合并定时器会不会提前触发？ Flink
  307. 307 Kafka 消息没有 Key 会怎么分区？默认策略是每条轮询吗？ Kafka
  308. 308 HDFS 支持追加，为什么不能像数据库一样随机修改文件？ Hadoop / Hive / HBase
  309. 309 大数据任务的资源怎么估算？只看每天多少GB够吗？ 分布式与综合
  310. 310 数据新鲜度怎么监控？最大事件时间很新就代表数据完整吗？ 数据开发与治理
  311. 311 SQL 多列去重能直接拼接吗？COUNT DISTINCT 为什么会少算？ SQL 与数据库
  312. 312 SQL 怎么取每月最后一天？月末和最后一个工作日有什么区别？ SQL 与数据库
  313. 313 源系统主键会复用，数仓怎么建模？删掉再建还是同一个对象吗？ 数仓建模
  314. 314 多个源系统字段冲突，数仓该信谁？只用 COALESCE 够吗？ 数仓建模
  315. 315 Spark 同一份 DataFrame 执行两次 Action，结果一定相同吗？ Spark
  316. 316 Flink Async IO 有 Exactly-once，调用外部接口就不会重复吗？ Flink
  317. 317 Kafka 消息时间就是业务发生时间吗？CreateTime 和 LogAppendTime 怎么选？ Kafka
  318. 318 HBase BulkLoad 为什么比批量 Put 快？导入成功就算验收通过吗？ Hadoop / Hive / HBase
  319. 319 历史回填怎么不影响当天任务？只换一个调度队列够吗？ 数据开发与治理
  320. 320 数仓多张表怎么一致发布？所有任务成功就代表报表一致吗？ 数仓建模
  321. 321 SQL NTILE 能按金额均分用户吗？同分用户为什么会被分到不同桶？ SQL 与数据库
  322. 322 SQL 聚合成数组为什么顺序会变？外层 ORDER BY 能管住数组内部吗？ SQL 与数据库
  323. 323 积分数仓怎么建模？发放、消耗、过期和撤销能只存余额吗？ 数仓建模
  324. 324 AB 实验数据怎么建模？分到实验组就算真正曝光了吗？ 数仓建模
  325. 325 Spark 报文件不存在怎么办？开启 ignoreMissingFiles 就修好了吗？ Spark
  326. 326 Flink Watermark Alignment 是什么？为什么要主动暂停较快的数据源？ Flink
  327. 327 Kafka max.poll.records 调小就能防 OOM 吗？Poll 和 Fetch 有什么区别？ Kafka
  328. 328 HDFS hflush 和 hsync 有什么区别？读得到就代表已经持久化吗？ Hadoop / Hive / HBase
  329. 329 数仓表多久没人用可以下线？没有查询日志就能直接删吗？ 数仓建模
  330. 330 大数据面试怎么讲个人贡献？说参与了数仓建设为什么还不够？ 项目与面试表达
  331. 331 SQL 日均值能直接再求平均吗？月均客单价为什么会算错？ SQL 与数据库
  332. 332 SQL 统计首单用户，为什么先筛商品再排序会算错？ SQL 与数据库
  333. 333 SQL 怎么计算每日累计UV？为什么不能把每日UV累加？ SQL 与数据库
  334. 334 SQL 排名时 NULL 应该放哪里？加一个 DESC 为什么可能选错记录？ SQL 与数据库
  335. 335 优惠券数仓怎么建模？发券、领券、用券能只看一张状态表吗？ 数仓建模
  336. 336 订单准时履约率怎么建模？一个包裹签收就算整单完成吗？ 数仓建模
  337. 337 Spark reduceByKey 为什么常比 groupByKey 快？所有聚合都能替换吗？ Spark
  338. 338 Spark 流任务改了代码，旧 Checkpoint 还能接着用吗？ Spark
  339. 339 Flink 停任务时 cancel、stop 和 drain 怎么选？ Flink
  340. 340 Kafka Consumer 调用 seek 后，消费组的提交位点也会改变吗？ Kafka
  341. 341 SQL 怎么统计跨天在线时长？按开始日期分组为什么会算错？ SQL 与数据库
  342. 342 SQL 判断一组检查全部通过，为什么只看 MIN 或 BOOL_AND 不够？ SQL 与数据库
  343. 343 月末在职人数能代替月平均人数吗？人员快照怎么建模？ 数仓建模
  344. 344 接口返回累计消耗，数仓能直接求和吗？差分为什么会出现负数？ 数仓建模
  345. 345 MapReduce Combiner 能代替 Reducer 吗？为什么平均值不能直接局部求？ Hadoop / Hive / HBase
  346. 346 Spark 堆内存没满，Executor 为什么还会被杀？memoryOverhead 怎么看？ Spark
  347. 347 Flink SQL 声明 PRIMARY KEY 就会自动去重吗？NOT ENFORCED 是什么意思？ Flink
  348. 348 Kafka Producer 调用 flush 就算全部成功了吗？和事务提交有什么区别？ Kafka
  349. 349 HBase 默认强一致，为什么副本读可能读到旧值？Timeline 读怎么选？ Hadoop / Hive / HBase
  350. 350 大数据面试怎么讲一次线上故障？只说重跑恢复为什么不够？ 项目与面试表达
  351. A1 Kafka 的 acks 机制：0、1、all 分别意味着什么？ Kafka
  352. A2 报表需求拿到手，字段和口径怎么拆？ 数据应用：画像 / 指标 / 报表
  353. A3 为什么数据字典能让你的数仓工作轻松很多？ 数仓建模
  354. A4 面试最后一题「你有什么想问我的」，大数据开发该怎么问？ 项目与面试表达
  355. 01-01 ROW_NUMBER、RANK、DENSE_RANK 到底有什么区别？ SQL 与数据库
  356. 01-02 怎么查连续登录N天的用户？ SQL 与数据库
  357. 01-03 行转列和列转行，一篇讲透 SQL 与数据库
  358. 01-04 用户留存率怎么算？从公式到SQL一篇讲清 SQL 与数据库
  359. 01-05 累计求和与滑动窗口，窗口函数的高阶玩法 SQL 与数据库
  360. 01-06 GROUP BY的3个隐藏陷阱，你踩过几个？ SQL 与数据库
  361. 01-07 同比环比怎么算？从日环比到跨年同比全覆盖 SQL 与数据库
  362. 01-08 大表JOIN慢到爆？聊聊MapJoin和数据倾斜 SQL 与数据库
  363. 01-09 漏斗分析怎么写？从埋点到转化率一条SQL搞定 SQL 与数据库
  364. 01-10 一道综合题收官：用SQL实现RFM用户分层 SQL 与数据库
  365. 01-11 子查询 vs JOIN，到底该用哪个？ SQL 与数据库
  366. 01-12 NULL的各种坑，90%的人至少踩过一个 SQL 与数据库
  367. 01-13 3张表JOIN在一起，执行顺序到底是什么？ SQL 与数据库
  368. 01-14 分区表设计得好，查询快100倍不是梦 SQL 与数据库
  369. 01-15 日期函数全家桶，一篇搞定面试和工作 SQL 与数据库
  370. 01-16 UNION ALL vs UNION，别再无脑用UNION了 SQL 与数据库
  371. 01-17 SQL跑得慢？先看执行计划再说 SQL 与数据库
  372. 01-18 PARTITION BY 和 GROUP BY 到底有什么区别？ SQL 与数据库
  373. 01-19 WITH子句（CTE）不只是让SQL好看，还有这些门道 SQL 与数据库
  374. 01-20 收官篇：一张图串起SQL面试所有知识点 SQL 与数据库
  375. 02-01 数仓分层架构 数仓建模
  376. 02-02 星型模型 vs 雪花模型 数仓建模
  377. 02-03 缓慢变化维（SCD） 数仓建模
  378. 02-04 事实表三种类型 数仓建模
  379. 02-05 宽表设计 数仓建模
  380. 02-06 指标口径管理 数仓建模
  381. 02-07 数据膨胀与JOIN陷阱 数仓建模
  382. 02-08 数仓命名规范 数仓建模
  383. 02-09 OneID与用户ID打通 数仓建模
  384. 02-10 数据模型评审 数仓建模
  385. 02-11 Kimball vs Inmon 数仓建模
  386. 02-12 数仓建模实战总结 数仓建模
  387. 02-13 分区策略深度指南 数仓建模
  388. 02-14 数据生命周期管理 数仓建模
  389. 02-15 幂等设计 数仓建模
  390. 02-16 中间表治理 数仓建模
  391. 02-17 数据倾斜 数仓建模
  392. 02-18 数据质量监控 数仓建模
  393. 02-19 数据血缘 数仓建模
  394. 02-20 面试项目表达技巧 数仓建模
  395. 03-01 一条Hive SQL从提交到出结果，到底经历了什么？ Hadoop / Hive / HBase
  396. 03-02 千亿级用户行为日志表，你怎么设计分区和分桶？ Hadoop / Hive / HBase
  397. 03-03 商品价格每天都在变，你怎么设计这张维度表？ Hadoop / Hive / HBase
  398. 03-04 每天跑完ETL后小文件爆炸，你怎么解决？ Hadoop / Hive / HBase
  399. 03-05 两张千万级的表Join特别慢，你怎么优化？ Hadoop / Hive / HBase
  400. 03-06 某个Reduce卡了20分钟，你怎么排查和解决数据倾斜？ Hadoop / Hive / HBase
  401. 03-07 下游报表数据异常，你怎么快速定位问题？ Hadoop / Hive / HBase
  402. 03-08 动态分区插入踩过什么坑？ Hadoop / Hive / HBase
  403. 03-09 Parquet和ORC怎么选？生产环境用哪个？ Hadoop / Hive / HBase
  404. 03-10 老板问“这个指标怎么算的”，你怎么追溯数据血统？ Hadoop / Hive / HBase
  405. 03-11 出海业务涉及多个时区，数据时间怎么统一处理？ Hadoop / Hive / HBase
  406. 03-12 ETL跑完后怎么确保数据是对的？数据质量检查怎么做？ Hadoop / Hive / HBase
  407. 03-13 什么时候需要自己写UDF？能举个例子吗？ Hadoop / Hive / HBase
  408. 03-14 Hive也能做UPDATE和DELETE了？事务表怎么用？ Hadoop / Hive / HBase
  409. 03-15 窗口函数在业务里怎么用？举三个真实场景 Hadoop / Hive / HBase
  410. 03-16 表越来越多、存储成本爆炸，你怎么管理表的生命周期？ Hadoop / Hive / HBase
  411. 03-17 1000+埋点事件精简到100+，我是怎么做埋点治理的？ Hadoop / Hive / HBase
  412. 03-18 数百个ETL作业的依赖关系怎么管理？ Hadoop / Hive / HBase
  413. 03-19 从自建EMR迁到云平台，有哪些坑？ Hadoop / Hive / HBase
  414. 03-20 请描述一个你做过的Hive数仓项目 Hadoop / Hive / HBase
  415. 04-01 Spark作业突然OOM了，你怎么排查和解决？ Spark
  416. 04-02 两张大表Join跑了2小时，你怎么优化？ Spark
  417. 04-03 某个Task比其他慢了10倍——Spark数据倾斜怎么解决？ Spark
  418. 04-04 用DataFrame还是用RDD？为什么现在几乎没人用RDD了？ Spark
  419. 04-05 Spark作业提交后迟迟不开始跑——YARN资源分配怎么排查？ Spark
  420. 04-06 Shuffle Write阶段特别慢，磁盘IO打满了——Shuffle原理和优化 Spark
  421. 04-07 cache()和persist()用了反而更慢了——缓存什么时候该用什么时候不该用？ Spark
  422. 04-08 Spark SQL的执行计划看不懂——Catalyst优化器到底做了什么？ Spark
  423. 04-09 同样的SQL在Hive跑10分钟在Spark跑2分钟——Spark为什么更快？ Spark
  424. 04-10 AQE开了以后作业快了3倍——自适应查询执行是怎么回事？ Spark
  425. 04-11 Spark Streaming作业丢数据了——Exactly-Once怎么保证？ Spark
  426. 04-12 Structured Streaming vs Spark Streaming，新项目该用哪个？ Spark
  427. 04-13 Executor频繁被杀——Spark内存模型和调优思路 Spark
  428. 04-14 小文件太多导致下游Hive查询变慢——Spark写出文件怎么控制？ Spark
  429. 04-15 Spark on YARN的cluster模式和client模式到底有什么区别？ Spark
  430. 04-16 动态资源分配开了以后资源一直不释放——怎么回事？ Spark
  431. 04-17 Spark读写Delta Lake/Iceberg——数据湖和Spark怎么配合？ Spark
  432. 04-18 Spark作业跑到一半Task失败了——容错机制怎么工作的？ Spark
  433. 04-19 并行度设多少合适？Task数量和分区数怎么定？ Spark
  434. 04-20 请描述一个你用Spark做过的项目 Spark
  435. 05-01 Flink作业跑着跑着突然重启了——Checkpoint到底怎么工作的？ Flink
  436. 05-02 数据延迟了5分钟才到——Watermark和Event Time怎么处理乱序数据？ Flink
  437. 05-03 实时统计每分钟的PV——Flink的窗口类型怎么选？ Flink
  438. 05-04 上游Kafka有数据倾斜，某个算子卡住了——Flink数据倾斜怎么解决？ Flink
  439. 05-05 Flink作业反压了，下游处理不过来——反压排查和解决思路 Flink
  440. 05-06 Flink作业重启后状态丢了——State怎么管理和恢复？ Flink
  441. 05-07 要保证每条数据恰好处理一次——Flink的Exactly-Once怎么实现的？ Flink
  442. 05-08 Flink SQL和DataStream API该用哪个？什么场景必须用DataStream？ Flink
  443. 05-09 两条流要关联——Flink的双流Join怎么做？ Flink
  444. 05-11 Flink作业OOM了——内存模型和调优思路 Flink
  445. 05-12 Flink和Spark Streaming到底选哪个？ Flink
  446. 05-13 TaskManager的Slot数设多少合适？并行度怎么定？ Flink
  447. 05-14 从Savepoint恢复后数据重复了——Savepoint和Checkpoint有什么区别？ Flink
  448. 05-16 实时数仓分层怎么做？Flink+Kafka+Doris的架构设计 Flink
  449. 05-17 Flink CDC直接读MySQL Binlog——替代Canal的新方案 Flink
  450. 05-18 Flink作业上线后指标不对——怎么做实时数据质量监控？ Flink
  451. 05-19 Flink SQL的窗口TVF和时间属性——新语法比旧语法好在哪？ Flink
  452. 05-20 请描述一个你用Flink做过的项目 Flink
  453. 06-01 3个Broker、12个Partition够不够？——聊聊你们Kafka集群怎么规划的 Kafka
  454. 06-02 广告归因数据丢了一条，ROI算错了——Producer的acks到底怎么配？ Kafka
  455. 06-03 Flink消费Kafka突然全停了，Doris大盘一片空白——Rebalance怎么排查？ Kafka
  456. 06-04 晚高峰送礼消息堆了50万条，Doris大盘延迟5分钟——消费积压怎么办？ Kafka
  457. 06-05 日均12亿条消息不在话下——Kafka为什么比数据库快100倍？ Kafka
  458. 06-06 一台Broker凌晨挂了，消息还在不在？——副本机制和ISR详解 Kafka
  459. 06-07 消息不丢不重真的能做到吗？——Exactly-Once语义全链路拆解 Kafka
  460. 06-08 FlinkCDC → Kafka → Flink → Doris，实时数仓这条链路怎么设计最稳？ Kafka
  461. 06-09 用户先下单后付款，消费到的顺序反了——Kafka消息有序性怎么保证？ Kafka
  462. 06-10 一个项目该建几个Topic？——Topic设计与Kafka集群运维实战 Kafka
  463. 06-11 JSON太大Avro看不懂——消息格式到底选哪个？ Kafka
  464. 06-12 凌晨3点报警响了——Kafka集群监控哪些指标必须盯？ Kafka
  465. 06-13 某个Partition消息量是其他的10倍——Kafka数据倾斜怎么解决？ Kafka
  466. 06-14 Kafka vs RocketMQ vs RabbitMQ——为什么大数据几乎都选Kafka？ Kafka
  467. 06-15 埋点数据从SDK到数仓，中间Kafka这段链路怎么保证数据质量？ Kafka
  468. 06-16 吞吐上不去延迟降不下来——Kafka性能调优参数全攻略 Kafka
  469. 06-17 用户在纽约发的消息，北京收到的时间差了13小时——Kafka跨时区数据怎么处理？ Kafka
  470. 06-18 不写代码也能同步数据？——Kafka Connect和生态工具全解析 Kafka
  471. 06-19 谁都能连上来读写数据？——Kafka安全认证和权限控制 Kafka
  472. 07-01 一条查询突然变慢了，你怎么排查？ SQL 与数据库
  473. 07-02 订单表5000万行查询越来越慢，你怎么办？ SQL 与数据库
  474. 07-03 两个事务同时改同一条数据，一个超时失败了——怎么排查死锁？ SQL 与数据库
  475. 07-04 主从延迟导致读到过期数据，你怎么解决？ SQL 与数据库
  476. 07-05 高并发下单时库存超卖了，怎么用MySQL保证不超卖？ SQL 与数据库
  477. 07-06 同一个事务里先更新再查询，查到的是旧数据——事务隔离级别到底怎么回事？ SQL 与数据库
  478. 07-07 为什么用B+树而不是Hash索引？什么场景用Hash更好？ SQL 与数据库
  479. 07-08 我有三个查询条件，组合索引怎么设计？顺序怎么定？ SQL 与数据库
  480. 07-09 Binlog是什么？它和大数据有什么关系？ SQL 与数据库
  481. 07-10 一主多从怎么设计？什么时候加从库，什么时候加缓存？ SQL 与数据库
  482. 07-11 分页查询LIMIT 1000000, 20特别慢，怎么优化？ SQL 与数据库
  483. 07-12 给大表加字段加索引，结果库卡死了——Online DDL怎么做？ SQL 与数据库
  484. 07-13 突然报“Too many connections”，连接池怎么配？ SQL 与数据库
  485. 07-14 把MySQL数据导入到Hive，有哪些方案？ SQL 与数据库
  486. 07-15 MySQL 8.0有哪些值得关注的新特性？ SQL 与数据库
  487. 07-16 生产环境的MySQL怎么备份？丢了数据怎么恢复？ SQL 与数据库
  488. 07-17 字符集和Collation在生产环境踩过什么坑？ SQL 与数据库
  489. 07-18 Buffer Pool怎么调优？内存分配有什么讲究？ SQL 与数据库
  490. 07-19 SQL注入是什么？生产环境怎么防御？ SQL 与数据库
  491. 07-20 请描述你在项目中是怎么使用MySQL的 SQL 与数据库
  492. 08-01 面试官问OLAP引擎，你只说'查询快'就完了？——Doris架构和MPP原理 OLAP 与数据湖
  493. 08-02 同一张表选Duplicate还是Aggregate？选错了性能差10倍 OLAP 与数据湖
  494. 08-03 查询从30秒优化到2秒——分区分桶设计和索引机制全解析 OLAP 与数据湖
  495. 08-04 Flink实时写、离线批量导、维度表天天更新——Doris数据导入方式全解析 OLAP 与数据湖
  496. 08-05 Doris vs ClickHouse vs StarRocks——OLAP引擎到底选哪个？ OLAP 与数据湖
  497. 08-06 报表查询太慢，加了物化视图快了20倍——Rollup和物化视图怎么用？ OLAP 与数据湖
  498. 08-07 两张大表JOIN跑了30秒——Doris的JOIN优化策略全解析 OLAP 与数据湖
  499. 08-08 同样的SQL开了向量化快3倍——Doris的向量化执行引擎怎么工作的？ OLAP 与数据湖
  500. 08-09 导入数据后查询突然变慢了——Compaction机制和小文件合并 OLAP 与数据湖
  501. 08-10 ODS/DWD/DWS/ADS全建在Doris里？——实时数仓分层实践 OLAP 与数据湖
  502. 08-11 一条SQL跑了60秒——慢查询怎么排查？EXPLAIN怎么看？ OLAP 与数据湖
  503. 08-12 某个BE忙死了其他BE闲着——Doris数据倾斜怎么排查和解决？ OLAP 与数据湖
  504. 08-13 数据量翻倍了加两台BE就行？——Doris集群扩缩容和数据均衡 OLAP 与数据湖
  505. 08-14 前缀索引只有36字节？——Doris索引机制深度解析和调优 OLAP 与数据湖
  506. 08-15 运营同事不小心删了表——Doris权限管理和多租户实践 OLAP 与数据湖
  507. 08-16 BE磁盘坏了数据还在不在？——Doris数据备份恢复和容灾方案 OLAP 与数据湖
  508. 08-17 同一张表同样的查询，SQL写法不同性能差5倍——Doris SQL优化技巧 OLAP 与数据湖
  509. 08-18 不用导入数据就能查Hive和S3？——Multi-Catalog湖仓一体 OLAP 与数据湖
  510. 08-19 Doris 2.x这些新特性你知道吗？——存算分离、倒排索引、Pipeline引擎 OLAP 与数据湖
  511. 09-01 面试官问Hadoop你还在说'三大组件'？——架构全景和现代定位 Hadoop / Hive / HBase
  512. 09-02 一个文件上传后被切成了3份——HDFS的Block、副本和存储原理 Hadoop / Hive / HBase
  513. 09-03 NameNode挂了整个集群瘫痪——HDFS高可用和元数据管理 Hadoop / Hive / HBase
  514. 09-04 上传了10万个小文件集群卡死了——HDFS小文件问题全解析 Hadoop / Hive / HBase
  515. 09-05 DataNode磁盘报警了——HDFS存储管理、Balancer和纠删码 Hadoop / Hive / HBase
  516. 09-06 提交了一个Spark作业等了10分钟才跑——YARN资源调度原理 Hadoop / Hive / HBase
  517. 09-07 两个团队抢资源天天吵架——YARN队列配置和多租户管理 Hadoop / Hive / HBase
  518. 09-08 作业跑到一半Task失败了——YARN的容错和推测执行机制 Hadoop / Hive / HBase
  519. 09-09 MapReduce为什么比Spark慢10倍——执行模型深度对比 Hadoop / Hive / HBase
  520. 09-10 Shuffle是MapReduce最贵的操作——Shuffle过程详解和优化 Hadoop / Hive / HBase
  521. 09-11 100TB的Hive表跑了6小时——大规模数据处理的调优思路 Hadoop / Hive / HBase
  522. 09-12 EMR集群每月账单好几万美元——云上Hadoop成本优化 Hadoop / Hive / HBase
  523. 09-13 从EMR迁移到Databricks零故障——Hadoop生态迁移实战 Hadoop / Hive / HBase
  524. 09-14 HDFS、S3、OSS到底该用哪个——存储选型和数据湖底座 Hadoop / Hive / HBase
  525. 09-15 Hive跑在YARN上为什么这么慢——Hive on MR/Tez/Spark对比 Hadoop / Hive / HBase
  526. 09-16 DistCp拷贝数据拷了一夜——HDFS数据迁移和跨集群同步 Hadoop / Hive / HBase
  527. 09-17 Kerberos认证把新人搞崩了——Hadoop安全机制全解析 Hadoop / Hive / HBase
  528. 09-18 ZooKeeper挂了半个集群不工作了——ZK在Hadoop中的角色 Hadoop / Hive / HBase
  529. 09-19 2026年了还要学Hadoop吗——Hadoop生态的现状和未来 Hadoop / Hive / HBase
  530. 10-01 Flink作业频繁Full GC导致Checkpoint超时——JVM内存模型和GC原理 Java 与 JVM
  531. 10-02 线上Spark Executor用的G1还是CMS？——垃圾回收器选型和调优 Java 与 JVM
  532. 10-03 HashMap在多线程下死循环了——HashMap底层原理和线程安全 Java 与 JVM
  533. 10-04 Flink的State为什么用序列化存储？——Java序列化机制全解析 Java 与 JVM
  534. 10-05 一个对象到底占多少内存？——Java对象内存布局和大数据内存估算 Java 与 JVM
  535. 10-06 Spark的RDD为什么是不可变的？——不可变性和函数式编程 Java 与 JVM
  536. 10-07 Flink用了大量泛型为什么？——Java泛型和类型擦除 Java 与 JVM
  537. 10-08 Kafka Producer为什么用NIO？——Java IO模型和NIO原理 Java 与 JVM
  538. 10-09 多个线程同时写一个Map崩了——Java并发编程核心 Java 与 JVM
  539. 10-10 线程池配多大合适？——Java线程池原理和大数据线程模型 Java 与 JVM
  540. 10-11 Spark的广播变量是怎么实现的？——Java引用类型和堆外内存 Java 与 JVM
  541. 10-12 写Flink UDF遇到ClassNotFoundException——Java类加载机制 Java 与 JVM
  542. 10-13 String拼接在循环里为什么慢？——String底层原理 Java 与 JVM
  543. 10-14 ArrayList和LinkedList到底选哪个？——Java集合框架全景 Java 与 JVM
  544. 10-15 try-catch写在循环里还是循环外？——Java异常机制和大数据异常处理 Java 与 JVM
  545. 10-16 Flink的反射为什么比直接调用慢？——Java反射机制 Java 与 JVM
  546. 10-17 volatile能保证线程安全吗？——Java内存模型(JMM)详解 Java 与 JVM
  547. 10-18 Lambda表达式是语法糖吗？——Java 8+新特性在大数据中的应用 Java 与 JVM
  548. 10-19 大数据开发者需要掌握哪些Java知识？——学习路线 Java 与 JVM
  549. 11-01 PySpark的DataFrame和Pandas有什么区别？——Python在大数据中的定位 Python
  550. 11-02 列表推导式比for循环快3倍——list/dict/set底层原理 Python
  551. 11-03 一个字典居然占了200MB——Python对象的内存模型 Python
  552. 11-04 PySpark UDF为什么比Spark SQL慢10倍？——GIL和序列化开销 Python
  553. 11-05 脚本跑了10分钟处理100万行——Python性能优化五大方向 Python
  554. 11-06 用Pandas读了个5GB的CSV内存直接爆了——大文件处理策略 Python
  555. 11-07 装饰器到底是什么语法糖？——Python函数式编程 Python
  556. 11-08 yield和return有什么区别？——生成器和迭代器 Python
  557. 11-09 浅拷贝和深拷贝踩了多少坑——Python的可变性和拷贝机制 Python
  558. 11-10 with语句为什么能自动关闭文件——上下文管理器 Python
  559. 11-11 多线程为什么没有加速CPU密集任务——Python并发编程 Python
  560. 11-12 requirements.txt和虚拟环境搞不清——Python包管理 Python
  561. 11-13 ETL脚本报UnicodeDecodeError——Python编码问题 Python
  562. 11-14 正则表达式解析日志比split快5倍——Python文本处理 Python
  563. 11-15 try-except写得太粗什么异常都catch了——异常处理最佳实践 Python
  564. 11-16 Airflow的DAG为什么用Python写——Python元编程基础 Python
  565. 11-17 数据质量校验脚本写了500行——Python面向对象实战 Python
  566. 11-18 Pandas的apply比向量化慢100倍——Pandas性能调优 Python
  567. 11-19 大数据开发者需要掌握哪些Python知识？——学习路线 Python
  568. 12-01 Parquet表写入到一半失败就脏了？——数据湖的ACID事务是怎么做到的？ OLAP 与数据湖
  569. 12-02 更新一条数据要全量重写整个分区？——MERGE INTO怎么高效更新删除？ OLAP 与数据湖
  570. 12-03 业务改表结构，历史数据不兼容？——Schema演进怎么处理？ OLAP 与数据湖
  571. 12-04 昨天的报表发现有bug，数据已经overwritten了？——Time Travel怎么回滚到历史版本？ OLAP 与数据湖
  572. 12-05 Delta Lake、Iceberg、Hudi选哪个？——不同场景下怎么选型？ OLAP 与数据湖
  573. 12-06 小文件太多，查询特别慢？——OPTIMIZE和Z-Ordering怎么优化数据布局？ OLAP 与数据湖
  574. 12-07 同时写入同一张表会冲突吗？——并发控制和隔离级别是什么？ OLAP 与数据湖
  575. 12-08 分区分桶选错了，查询很慢？——分区策略和动态分区怎么设计？ OLAP 与数据湖
  576. 12-09 Parquet、ORC、Avro选哪个？——列存、压缩、谓词下推怎么权衡？ OLAP 与数据湖
  577. 12-10 数据湖查询比Hive还慢？——谓词下推和向量化执行怎么配置？ OLAP 与数据湖
  578. 12-11 写入一半失败了，数据乱了怎么办？——ACID事务和Exactly-Once怎么保证？ OLAP 与数据湖
  579. 12-12 表结构变了，历史数据怎么办？——Schema演化和向前兼容怎么实现？ OLAP 与数据湖
  580. 12-13 误删了数据，能恢复到昨天吗？——时间旅行Time Travel怎么用？ OLAP 与数据湖
  581. 12-14 查询突然变慢了，怎么快速定位问题？——执行计划分析和性能排查 OLAP 与数据湖
  582. 12-15 Delta Lake、Iceberg、Hudi怎么选？——三大数据湖格式对比和选型指南 OLAP 与数据湖
  583. 12-16 小文件太多怎么解决？——OPTIMIZE和Compaction OLAP 与数据湖
  584. 12-17 分区怎么设计才合理？——分区策略最佳实践 OLAP 与数据湖
  585. 12-18 查询还能更快吗？——Z-Ordering和Clustering数据布局优化 OLAP 与数据湖
  586. 12-19 数据湖怎么监控？——关键指标和告警 OLAP 与数据湖
  587. 12-20 从Hive迁移到数据湖实战案例 OLAP 与数据湖
  588. 13-01 100个ETL任务谁先跑谁后跑——DAG调度的基本原理 数据开发与治理
  589. 13-02 Airflow vs DolphinScheduler怎么选——主流调度器对比 数据开发与治理
  590. 13-03 下游任务等了2小时上游还没跑完——依赖管理和优先级 数据开发与治理
  591. 13-04 凌晨3点ETL失败了早上才发现——失败告警和自动重试 数据开发与治理
  592. 13-05 重跑一次数据翻倍了——幂等性设计 数据开发与治理
  593. 13-06 Airflow的DAG写了500行没人看得懂——DAG设计最佳实践 数据开发与治理
  594. 13-07 一个任务卡住了后面30个任务全堵了——任务超时和熔断 数据开发与治理
  595. 13-08 昨天的数据今天才到怎么办——数据就绪检测和Sensor 数据开发与治理
  596. 13-09 要回溯最近30天的数据——Backfill和历史补数 数据开发与治理
  597. 13-10 调度平台迁移从Oozie到Airflow——调度器迁移实战 数据开发与治理
  598. 13-11 每天500个任务跑6小时——调度性能优化和并行度 数据开发与治理
  599. 13-12 两个团队的DAG互相依赖——跨团队调度协作 数据开发与治理
  600. 13-13 数仓分层ODS/DWD/DWS的调度怎么编排——分层调度设计 数据开发与治理
  601. 13-14 Airflow的XCom传了个10GB的DataFrame——任务间数据传递 数据开发与治理
  602. 13-15 定时任务和事件驱动任务混在一起——触发方式设计 数据开发与治理
  603. 13-16 生产环境的DAG版本管理——代码即调度 数据开发与治理
  604. 13-17 Airflow的Executor选哪个——执行架构选型 数据开发与治理
  605. 13-18 任务运行日志找不到了——调度平台的可观测性 数据开发与治理
  606. 13-19 DataWorks和Airflow有什么区别——云调度 vs 开源 数据开发与治理
  607. 14-01 面试官说'介绍一个你做过的项目'你慌了——STAR法则讲项目 项目与面试表达
  608. 14-02 数仓项目怎么讲才不像在背书——数仓项目表达模板 项目与面试表达
  609. 14-03 实时项目怎么讲才能展示深度——实时项目表达模板 项目与面试表达
  610. 14-04 调优项目怎么讲才有说服力——调优项目表达模板 项目与面试表达
  611. 14-05 迁移项目怎么讲才能体现你的价值——迁移项目表达模板 项目与面试表达
  612. 14-06 面试官追问'为什么这样设计'你答不上来——技术选型怎么讲 项目与面试表达
  613. 14-07 面试官说'讲讲你遇到的最大难点'——难点怎么体现 项目与面试表达
  614. 14-08 项目里的关键数字一个都说不出来——量化表达的艺术 项目与面试表达
  615. 14-09 面试官问'这个项目你具体负责什么'——个人贡献怎么讲 项目与面试表达
  616. 14-10 一个项目讲了20分钟面试官不耐烦了——时间控制和节奏 项目与面试表达
  617. 14-11 数仓分层讲了半天面试官说'太教科书了'——怎么讲出自己的思考 项目与面试表达
  618. 14-12 实时数仓面试官追问Exactly-Once——怎么接住追问 项目与面试表达
  619. 14-13 面试官说'你做的这些别人也能做'——怎么体现不可替代性 项目与面试表达
  620. 14-14 项目经历只有CRUD没有亮点怎么办——小项目怎么包装 项目与面试表达
  621. 14-15 面试官问'如果重新做你会怎么改'——反思能力怎么展示 项目与面试表达
  622. 14-16 简历上写了5个项目面试只聊了1个——简历项目怎么排列 项目与面试表达
  623. 14-17 数据治理项目怎么讲——埋点治理/质量治理表达模板 项目与面试表达
  624. 14-18 面试官问'你们团队几个人你排第几'——团队定位怎么讲 项目与面试表达
  625. 14-19 大厂面试和小厂面试讲项目有什么区别——面试策略 项目与面试表达
  626. 15-01 面试官说'介绍一个你做过的大数据项目'——怎么讲才能拿高分？ 项目与面试表达
  627. 15-02 面试官问'你们数据量多大'——只说'TB级别'就凉了 项目与面试表达
  628. 15-03 面试官问'遇到最大的挑战是什么'——怎么讲技术挑战才有深度？ 项目与面试表达
  629. 15-04 面试官问'你做过哪些性能优化'——讲不出数字就没有说服力 项目与面试表达
  630. 15-05 面试官问'数据倾斜怎么解决'——只会说加盐的人已经淘汰了 项目与面试表达
  631. 15-06 面试官问'为什么选Spark不选Flink'——技术选型怎么讲不像背课文？ 项目与面试表达
  632. 15-07 面试官问'你们数据架构怎么设计的'——怎么讲才能展示全局视野？ 项目与面试表达
  633. 15-08 面试官问'你们怎么保证数据质量'——数据治理不是空话，要讲具体方案 项目与面试表达
  634. 15-09 面试官问'你做过数据迁移吗'——迁移项目是最好的面试素材 项目与面试表达
  635. 15-10 面试官问'你踩过最大的坑是什么'——把踩坑讲成加分项的方法 项目与面试表达
  636. 15-11 面试官问'你怎么和产品/业务方协作'——技术人的软实力才是天花板 项目与面试表达
  637. 15-12 面试官问'你们ETL调度怎么做的'——调度不是配个Cron这么简单 项目与面试表达
  638. 15-13 面试官问'你们怎么做成本控制'——大数据不是烧钱比赛 项目与面试表达
  639. 15-14 面试官问'你怎么带新人、做代码Review'——展示团队影响力是晋升的关键 项目与面试表达
  640. 15-15 面试官问'你未来的技术规划是什么'——展示成长性比展示技术更重要 项目与面试表达
  641. 15-16 面试官问'你们怎么做数据血缘'——改一张表你敢不敢直接改？ 项目与面试表达
  642. 15-17 面试官问'你怎么设计指标体系'——从需求到指标的完整方法论 项目与面试表达
  643. 15-18 面试官问'你们怎么做数据安全和权限管理'——出海业务绕不开的数据合规 项目与面试表达
  644. 15-19 面试官问'你怎么做技术方案评审'——写方案比写代码更重要 项目与面试表达
  645. 15-20 面试官问'从0搭建数据平台你怎么做'——终极架构题的满分答法 项目与面试表达
  646. 16-01 一个Task跑了40分钟，其他Task早就结束了——什么是数据倾斜？ 分布式与综合
  647. 16-02 GROUP BY做统计，一个Task卡死跑不完——COUNT(DISTINCT)为什么特别容易倾斜？ SQL 与数据库
  648. 16-03 两张大表JOIN，某个key有500万条——JOIN倾斜的三种解法怎么选？ SQL 与数据库
  649. 16-04 JOIN字段里有15%是NULL——NULL值倾斜怎么处理？ SQL 与数据库
  650. 16-05 Spark 3.0的AQE开了，还需要手动处理倾斜吗？ Spark
  651. 16-06 Flink实时作业背压报警，罪魁祸首是数据倾斜——怎么排查和解决？ Flink
  652. 16-07 MapJoin广播了50万行的维度表，作业反而更慢了——Broadcast Join的正确姿势 数仓建模
  653. 16-08 Hive作业跑了6小时还没完——Hive里的数据倾斜和Spark有什么不同？ Spark
  654. 16-09 每次都治标——为什么不从数据写入阶段就把倾斜消灭掉？分桶和预聚合怎么做？ 分布式与综合
  655. 16-10 倾斜爆发才来处理已经太晚了——怎么建立数据倾斜的监控和预警体系？ 数据开发与治理
  656. 16-11 OLAP引擎里也有倾斜——Doris、ClickHouse的倾斜和Spark有什么不同？ Spark
  657. 16-12 数据倾斜和小文件问题同时出现——两者有什么关联？怎么一起解决？ 分布式与综合
  658. 16-13 面试官问「你遇到过数据倾斜吗」——怎么回答才能拿高分？ 分布式与综合
  659. 16-14 5张表连续JOIN，不知道倾斜在哪里——多表JOIN链路的系统性排查方法 SQL 与数据库
  660. 16-15 有时候倾斜是「故意」的——什么情况下不应该消除数据倾斜？ 分布式与综合
  661. 16-16 面试官追问「你能现场写一个处理倾斜的SQL吗」——手写代码题怎么过？ SQL 与数据库
  662. 16-17 百GB和百TB的倾斜，处理方案有什么不同？数据规模对选型的影响 分布式与综合
  663. 16-18 Kafka→Flink→Doris 整条实时链路，哪个环节倾斜最难搞？端到端排查思路 Flink
  664. 16-19 String类型的key和Int类型有什么不同？编码和数据类型对倾斜的影响 分布式与综合
  665. 16-20 从0设计大数据平台——在架构层面把倾斜风险降到最低 分布式与综合
  666. 17-01 面试官说「介绍一下你自己」——怎么在2分钟内让人记住你？ 项目与面试表达
  667. 17-02 「你做过最有挑战的项目是什么」——怎么用STAR法则答出高级感？ 项目与面试表达
  668. 17-03 「说说你遇到的最大技术难题」——面试官到底想听什么？ 项目与面试表达
  669. 17-04 「你和Leader意见不一致时怎么办」——答错直接扣分的送命题 项目与面试表达
  670. 17-05 「你为什么要离职」——90%的人第一句话就说错了 项目与面试表达
  671. 17-06 「你主导推进过什么项目」——怎么让面试官觉得你不只是个执行者？ 项目与面试表达
  672. 17-07 「你最大的缺点是什么」——说真话还是说套话？ 项目与面试表达
  673. 17-08 「你未来3-5年的规划是什么」——面试官其实在考你什么？ 项目与面试表达
  674. 17-09 Deadline很紧但需求还在变——你怎么办？压力面试的标准答法 项目与面试表达
  675. 17-10 「说一个你犯过的错」——怎么把黑历史答成加分项？ 项目与面试表达
  676. 17-11 「你平时怎么学习新技术」——面试官想听的不是看文档 项目与面试表达
  677. 17-12 团队里有人总是拖进度——你怎么处理？考的是软实力 项目与面试表达
  678. 17-13 怎么向产品/业务解释技术方案——技术人最欠缺的软技能 项目与面试表达
  679. 17-14 「薪资期望多少」——谈少了亏，谈多了怕被筛掉 项目与面试表达
  680. 17-15 「你有什么想问我的」——最后一题最容易翻车 项目与面试表达
  681. 17-16 「你做过什么超出职责范围的事」——怎么让面试官觉得你是Owner？ 项目与面试表达
  682. 17-17 手上有3个紧急任务——你先做哪个？优先级决策能力 项目与面试表达
  683. 17-18 「你和其他团队合作时遇到过什么问题」——跨部门协作考题 项目与面试表达
  684. 17-19 「大厂和小厂你怎么选」——面试官在试探你的稳定性 项目与面试表达
  685. 17-20 「手上有两个Offer——你怎么做决定」——选择题里的职业观 项目与面试表达
  686. 18-01 请介绍一下你做过的数仓项目——开场 2 分钟决定了面试官对你的第一印象 数仓建模
  687. 18-02 你们数仓分几层？每层放什么？——不要再背 ODS/DWD/DWS/ADS 四个词了 数仓建模
  688. 18-03 你们调度怎么做的？——回答『用 DataWorks』就结束那就太吃亏了 数仓建模
  689. 18-04 现场写一个『连续登录 3 天的用户』SQL——窗口函数面试的头牌题 数仓建模
  690. 18-05 一个 SQL 跑了 3 小时——你会从哪里开始排查？ 数仓建模
  691. 18-06 数据倾斜怎么解决？——加盐、AQE、两阶段聚合的场景差别 数仓建模
  692. 18-07 维度表设计——什么字段该冗余、什么该 JOIN 进来？ 数仓建模
  693. 18-08 宽表设计——什么时候该建宽表？什么时候该拆？ 数仓建模
  694. 18-09 拉链表怎么实战？——保留完整历史还不爆炸存储的魔法 数仓建模
  695. 18-10 分区字段选错了会怎样？——一次错误改写要动几百 TB 数仓建模
  696. 18-11 新表上线发现数据错了——你怎么一步步查出来的？ 数仓建模
  697. 18-12 T+1 任务突然变成 T+2——你怎么查的？ 数仓建模
  698. 18-13 上游 Schema 变了没通知你——怎么防御这种『看不见的故障』？ 数仓建模
  699. 18-14 一个 1200 行的 SQL 怎么 code review？——从代码层面看架构能力 数仓建模
  700. 18-15 同一个指标，三个部门三个数——你怎么处理？ 数仓建模
  701. 18-16 元数据管理怎么做？血缘到底有什么用？ 数仓建模
  702. 18-17 Hive 迁 Spark SQL 怎么做？——百台集群、千个作业、零故障的迁移方案 数仓建模
  703. 18-18 实时数仓要不要建？——别急着上 Flink，先问这三个问题 数仓建模
  704. 18-19 请用 STAR 讲一个你做过最复杂的项目——别把 STAR 讲成流水账 数仓建模
  705. 18-20 最后 5 分钟『你有什么想问我的吗』——反问环节才是真正的 1 vs 数仓建模
  706. 19-01 数据质量出了问题怎么发现？——完整性、准确性、一致性、及时性四性体系 数据开发与治理
  707. 19-02 上游表字段突然改了，下游全挂了——数据血缘到底怎么用？ 数据开发与治理
  708. 19-03 1000+埋点事件乱成一锅粥——埋点治理从哪下手？ 数据开发与治理
  709. 19-04 业务说「数据不准」，你怎么排查？——数据质量问题排查SOP 数据开发与治理
  710. 19-05 同一个指标，两个部门算出来不一样——指标口径一致性怎么管？ 数据开发与治理
  711. 19-06 元数据管理到底管什么？——技术+业务+操作三类元数据一次讲清楚 数据开发与治理
  712. 19-07 数据延迟了2小时，老板来问了——任务SLA监控怎么做？ 数据开发与治理
  713. 19-08 数据仓库里一半的表没人用——数据资产盘点和治理怎么做？ 数据开发与治理
  714. 19-09 NULL值占了30%，到底该怎么处理？——数据完整性治理实战 数据开发与治理
  715. 19-10 两个系统的用户ID对不上——数据一致性问题怎么解？ 数据开发与治理
  716. 19-11 ETL跑完了但数据是错的——数据准确性校验怎么做？ 数据开发与治理
  717. 19-12 埋点上报丢了10%的数据——客户端埋点 vs 服务端埋点怎么选？ 数据开发与治理
  718. 19-13 数据治理推不动，业务不配合——数据治理的组织和流程怎么搞？ 数据开发与治理
  719. 19-14 维度表更新不及时导致报表出错——维度数据质量管理怎么做？ 数据开发与治理
  720. 19-15 血缘图太复杂看不懂——血缘分析的正确打开方式 数据开发与治理
  721. 19-16 指标体系从0到1怎么建——北极星指标+指标分层方法论 数据开发与治理
  722. 19-17 数据质量报告写了没人看——怎么让领导重视数据治理成果？ 数据开发与治理
  723. 19-18 跨时区+多语言+合规——出海业务的数据治理有哪些特殊挑战？ 数据开发与治理
  724. 19-19 谁动了我的数据——数据权限和安全管理怎么做？ 数据开发与治理
  725. 19-20 面试中怎么讲数据治理项目？——STAR法则+答题模板 数据开发与治理
  726. 20-01 面试官说「介绍一下你的数仓项目」——怎么用3分钟讲清楚？ 数仓建模
  727. 20-02 离线数仓分了ODS/DWD/DWS/ADS四层，面试官问每层到底干什么——你能说清楚吗？ 数仓建模
  728. 20-03 实时数仓也要分层吗？跟离线分层完全不一样——实时分层怎么做？ 数仓建模
  729. 20-04 Lambda还是Kappa？两套链路维护成本太高了——架构选型怎么决策？ 数仓建模
  730. 20-05 离线T+1跑了一年，老板突然要实时大屏——怎么加实时链路不翻车？ 数仓建模
  731. 20-06 实时和离线的数据对不上，业务方炸了——口径一致性怎么保证？ 数仓建模
  732. 20-07 维度表离线和实时都要用，维护两份又怕不一致——维度服务怎么设计？ 数仓建模
  733. 20-08 每天TB级数据灌进来，Binlog+日志+埋点全要——数据接入层怎么设计？ 数仓建模
  734. 20-09 DWD层清洗了什么？面试官说你只会去重和过滤——清洗规则怎么管理？ 数仓建模
  735. 20-10 DWS汇总层20+张表，有些根本没人用——怎么避免过度建设？ 数仓建模
  736. 20-11 拉链表跑了半年越来越慢，从20分钟涨到2小时——SCD Type2怎么优化？ 数仓建模
  737. 20-12 业务方说'这个数跟我算的不一样'——指标管理体系怎么建？ 数仓建模
  738. 20-13 离线作业300+，凌晨3点告警把我叫醒——任务调度怎么治理？ 数仓建模
  739. 20-14 数据质量出了事故，下游报表全错了——质量监控体系怎么建？ 数仓建模
  740. 20-15 Flink作业挂了重启后数据重复了——Exactly-Once到底怎么保证？ 数仓建模
  741. 20-16 实时大屏要秒级刷新，但Flink窗口是1分钟——怎么做到'看起来实时'？ 数仓建模
  742. 20-17 出海业务覆盖10+国家，数据跨多个时区——时区问题怎么处理？ 数仓建模
  743. 20-18 埋点事件1000+，数据质量一塌糊涂——埋点治理怎么从混乱到标准化？ 数仓建模
  744. 20-19 面试官问'为什么选Doris不选ClickHouse'——技术选型怎么讲才有说服力？ 数仓建模
  745. 20-20 面试最后一个问题：'你这个项目最大的难点和亮点是什么？' 数仓建模
  746. 21-01 线上日志一天50G，只会tail -f和grep？——一次故障10分钟锁定问题日志 Linux 与运维
  747. 21-02 某台机器CPU飙到100%，top进去看到java进程——怎么一步步定位到哪行代码？ Linux 与运维
  748. 21-03 free -h 里的 available 和 free 差了20G——Linux内存到底怎么看？OOM killer杀谁？ Linux 与运维
  749. 21-04 磁盘报警100%，rm删了文件空间还没回来——inode、deleted文件、lsof的坑 Linux 与运维
  750. 21-05 调度任务挂了只报'No space left on device'——怎么系统性排查磁盘问题？ Linux 与运维
  751. 21-06 top看到java进程%CPU 780%，%MEM加起来超过100%——这些数字到底什么意思？ Linux 与运维
  752. 21-07 Flink TaskManager卡死了但没报错——lsof / strace / /proc三板斧怎么用？ Linux 与运维
  753. 21-08 Kafka客户端报Connection refused，telnet通nc通就是连不上——网络排查完整流程 Linux 与运维
  754. 21-09 netstat一堆CLOSE_WAIT和TIME_WAIT，哪个该紧张？怎么处理？ Linux 与运维
  755. 21-10 iostat里%util 100% 意味着磁盘满了吗？IO慢到底慢在哪一步？ Linux 与运维
  756. 21-11 Shell 脚本跑完 exit 0，下游一看核心表是空的——你知道是哪个坑吗？ Linux 与运维
  757. 21-12 grep 全量 30G 日志直接把服务器 OOM——生产日志切片的正确姿势 Linux 与运维
  758. 21-13 新同事 chmod -R 777 /usr 之后整台机器的 sudo 都废了——Linux 权限位深度解析 Linux 与运维
  759. 21-14 crontab 脚本白天跑得好好的，凌晨 3 点就不跑了——cron 踩坑 5 连击 Linux 与运维
  760. 21-15 ssh 登陆卡 30 秒才出密码提示——SSH 会话完整调优 Linux 与运维
  761. 21-16 Load 平均 200 但 top 看 CPU 都不到 10%——load 到底是什么？ Linux 与运维
  762. 21-17 vmstat 一敲 si/so 一直在涨，机器慢得像 286——swap 触发的完整排查 Linux 与运维
  763. 21-18 生产机 sysctl 到底调哪些——10 个必调内核参数清单 Linux 与运维
  764. 21-19 OOM Killer 为什么总是杀错进程——oom_score / overcommit / cgroup 联合解读 Linux 与运维
  765. 21-20 20 题总结篇——三板斧 / 难度分级 / 面试通关路线图 Linux 与运维
  766. 22-01 面试官问「介绍一下你做的用户画像项目」——怎么用STAR法则讲清楚？ 数据应用：画像 / 指标 / 报表
  767. 22-02 用户标签体系怎么设计？不是拍脑袋想标签，是有方法论的 数据应用：画像 / 指标 / 报表
  768. 22-03 用户标签存在哪？Hive、Redis还是ES——不同存储怎么选？ 数据应用：画像 / 指标 / 报表
  769. 22-04 离线标签和实时标签有什么区别？什么场景必须用实时标签？ 数据应用：画像 / 指标 / 报表
  770. 22-05 「活跃用户」到底怎么定义？产品和数据口径打架怎么办？ 数据应用：画像 / 指标 / 报表
  771. 22-06 用户ID不统一，手机号/设备号/账号怎么打通？——ID Mapping实战 数据应用：画像 / 指标 / 报表
  772. 22-07 标签加工SQL写完了，每天跑一次，但数据延迟了怎么办？ 数据应用：画像 / 指标 / 报表
  773. 22-08 100个标签，业务方说不准——标签质量怎么监控？ 数据应用：画像 / 指标 / 报表
  774. 22-09 用户分群怎么做？NTILE打分 vs K-Means聚类，面试怎么答？ 数据应用：画像 / 指标 / 报表
  775. 22-10 画像表越来越宽，500列了——宽表 vs 标签表怎么选？ 数据应用：画像 / 指标 / 报表
  776. 22-11 标签上线了但没人用——怎么推动业务方使用画像数据？ 数据应用：画像 / 指标 / 报表
  777. 22-12 用户画像怎么支撑广告投放？我在出海业务的归因实战 数据应用：画像 / 指标 / 报表
  778. 22-13 标签回溯——某个标签逻辑改了，历史数据要不要重刷？ 数据应用：画像 / 指标 / 报表
  779. 22-14 画像数据怎么给到业务系统？接口设计和性能优化 数据应用：画像 / 指标 / 报表
  780. 22-15 冷启动用户没有行为数据，画像怎么建？ 数据应用：画像 / 指标 / 报表
  781. 22-16 数据倾斜导致标签计算任务跑了4小时——怎么优化到30分钟？ 数据应用：画像 / 指标 / 报表
  782. 22-17 用户生命周期怎么定义？从新客到流失的状态机设计 数据应用：画像 / 指标 / 报表
  783. 22-18 画像项目的数仓分层怎么设计？ODS→DWD→DWS→ADS每层放什么？ 数据应用：画像 / 指标 / 报表
  784. 22-19 GDPR/隐私合规——用户画像怎么做数据脱敏和权限控制？ 数据应用：画像 / 指标 / 报表
  785. 22-20 面试收尾：用户画像项目的技术选型怎么讲？为什么选这套方案？ 数据应用：画像 / 指标 / 报表
  786. 23-01 DQC规则写了200条还在漏报——校验规则到底怎么设计？ 数据开发与治理
  787. 23-02 Great Expectations、Deequ、DataWorks DQC——三大DQC工具到底怎么选？ 数据开发与治理
  788. 23-03 主键唯一性，光靠PRIMARY KEY是不够的——ETL层去重的5种姿势 数据开发与治理
  789. 23-04 数据校验放事前还是事后？——数据质量门禁（CI/CD for Data）实战 数据开发与治理
  790. 23-05 一张新表上线前必做的「体检清单」——数据剖析（Data Profiling）实战 数据开发与治理
  791. 23-06 某指标突增200%是真的还是脏数据？——统计学异常检测落地 数据开发与治理
  792. 23-07 实时数仓和离线数仓数据对不上——流批对账（Reconciliation）框架怎么搭？ 数据开发与治理
  793. 23-08 业务库↔数仓↔BI三方数据对不上——跨系统对账框架怎么落地？ 数据开发与治理
  794. 23-09 数据延迟3天才到——Late Arriving Data怎么处理才不破坏历史？ 数据开发与治理
  795. 23-10 上游分布悄悄变了——数据漂移（Data Drift）你怎么发现？ 数据开发与治理
  796. 23-11 上游schema改了下游全挂——Schema Evolution怎么治？ 数据开发与治理
  797. 23-12 数据契约（Data Contract）是不是新瓶装旧酒？——落地实操 数据开发与治理
  798. 23-13 离线作业失败下游已出报表——数据故障止损与回滚SOP 数据开发与治理
  799. 23-14 补数把历史数据搞乱了——重跑机制怎么设计才安全？ 数据开发与治理
  800. 23-15 高基数字段（user_id/device_id）的质量校验怎么做才不爆内存？ 数据开发与治理
  801. 23-16 埋点数据30%是脏的——SDK到数仓的端到端质量治理 数据开发与治理
  802. 23-17 同一商品在不同系统SKU都不一样——主数据（MDM）管理怎么落地？ 数据开发与治理
  803. 23-18 一份数据被10个下游用，改一处坏全部——数据血缘如何用于质量保障？ 数据开发与治理
  804. 23-19 数据质量告警太多没人看——告警降噪与分级响应实战 数据开发与治理
  805. 23-20 数据质量左移——从被动监控到主动预防的体系建设 数据开发与治理
  806. 24-01 简历就那么几行，怎么在5分钟内挖出候选人的真实经历？ 项目与面试表达
  807. 24-02 简历写「精通Spark」，第一个问题该怎么问才不掉档次？ 项目与面试表达
  808. 24-03 候选人一上来就紧张得说不出话——怎么用3分钟让他打开？ 项目与面试表达
  809. 24-04 自我介绍听了10遍都一样——怎么从套话里找到真正的考察点？ 项目与面试表达
  810. 24-05 候选人说「我做过这个项目」——怎么判断是他做的还是蹭的？ 项目与面试表达
  811. 24-06 候选人答得很流利但全是八股——怎么三句话戳破背诵壳？ 项目与面试表达
  812. 24-07 候选人答错了一个关键点——是直接打断还是让他说完？ 项目与面试表达
  813. 24-08 候选人说「Shuffle我懂」——怎么三个追问把他问到底？ 项目与面试表达
  814. 24-09 候选人在白板上写代码卡住了——怎么引导而不变成送分？ 项目与面试表达
  815. 24-10 候选人提到一个我不熟的技术——怎么不丢面子又能判断真假？ 项目与面试表达
  816. 24-11 候选人讲项目讲了20分钟还没讲完——怎么打断不失礼又抓重点？ 项目与面试表达
  817. 24-12 候选人说「我负责整个数仓建设」——怎么验证他到底干了什么？ 项目与面试表达
  818. 24-13 候选人讲的项目和岗位八竿子打不着——还要继续问下去吗？ 项目与面试表达
  819. 24-14 给个开放架构题，候选人秒出方案——怎么判断是做过还是猜的？ 项目与面试表达
  820. 24-15 候选人的方案不是我心里的标准答案——是错还是另一种思路？ 项目与面试表达
  821. 24-16 候选人技术看着都挺好——怎么挖出潜在的「红线」问题？ 项目与面试表达
  822. 24-17 候选人和我聊得特别投机——怎么避免「好感分」误判技术？ 项目与面试表达
  823. 24-18 两个候选人技术差不多——怎么决定要哪一个？ 项目与面试表达
  824. 24-19 候选人面试表现一般但简历亮眼——是给过还是直接挂？ 项目与面试表达
  825. 24-20 一面给了通过，二面同事强烈反对——怎么拍板才负责？ 项目与面试表达
  826. 25-01 业务方说"GMV怎么对不上"——你怎么定位是口径问题还是数据问题？ 数据应用：画像 / 指标 / 报表
  827. 25-02 老板问"我们到底有多少个指标"——指标体系怎么从0搭起来才不混乱？ 数据应用：画像 / 指标 / 报表
  828. 25-03 同样叫"活跃用户"，运营/产品/数据各说各的——指标口径冲突怎么对齐？ 数据应用：画像 / 指标 / 报表
  829. 25-04 一个指标该放DWS还是ADS？——派生指标和原子指标的边界怎么划？ 数据应用：画像 / 指标 / 报表
  830. 25-05 业务说"加个新指标，明天上线"——指标需求评审到底该卡哪几关？ 数据应用：画像 / 指标 / 报表
  831. 25-06 同一个DAU，离线1200万、实时1180万——双链路口径不一致怎么办？ 数据应用：画像 / 指标 / 报表
  832. 25-07 "次日留存率"分母到底用谁？——留存类指标的口径陷阱 数据应用：画像 / 指标 / 报表
  833. 25-08 多业务线都要"订单金额"，但定义不一样——多租户/多业务的指标怎么统一管理？ 数据应用：画像 / 指标 / 报表
  834. 25-09 时区、币种、汇率怎么处理？——出海业务的指标坑 数据应用：画像 / 指标 / 报表
  835. 25-10 维度爆炸：一个指标拆8个维度查，OLAP撑不住——指标和维度怎么共建？ 数据应用：画像 / 指标 / 报表
  836. 25-11 没买阿里OneData，自己怎么搭一套指标平台MVP？ 数据应用：画像 / 指标 / 报表
  837. 25-12 指标怎么自动生成SQL？——指标平台的DSL设计要点 数据应用：画像 / 指标 / 报表
  838. 25-13 指标血缘怎么做？——从字段级到指标级的血缘怎么落地 数据应用：画像 / 指标 / 报表
  839. 25-14 指标变更影响30张报表——指标的版本管理和下线机制怎么做？ 数据应用：画像 / 指标 / 报表
  840. 25-15 BI里有1000个指标搜不到——指标的检索、推荐和门户怎么做？ 数据应用：画像 / 指标 / 报表
  841. 25-16 数据质量出问题业务先发现——指标的监控告警和SLA怎么定？ 数据应用：画像 / 指标 / 报表
  842. 25-17 指标值突然异动30%——同环比异常归因到底怎么做？ 数据应用：画像 / 指标 / 报表
  843. 25-18 一线开发不走平台宁愿写SQL——指标治理怎么推动落地？ 数据应用：画像 / 指标 / 报表
  844. 25-19 北极星/OSM/OKR怎么分解到数据指标层？——产品和数据的语言怎么对齐？ 数据应用：画像 / 指标 / 报表
  845. 25-20 面试官问"你怎么理解指标管理？"——一个高分回答的完整结构 数据应用：画像 / 指标 / 报表
  846. 26-01 业务方说“报表数不对”——你第一步该干什么？ 数据应用：画像 / 指标 / 报表
  847. 26-02 同一个“日活”，三张报表三个数——指标口径怎么管？ 数据应用：画像 / 指标 / 报表
  848. 26-03 临时取数一天来八个，正经报表没时间做——怎么破？ 数据应用：画像 / 指标 / 报表
  849. 26-04 报表需求评审该问清楚哪几件事——别等上线才发现理解错了 数据应用：画像 / 指标 / 报表
  850. 26-05 一张宽表撑起几十张报表——报表底层的宽表怎么设计？ 数据应用：画像 / 指标 / 报表
  851. 26-06 早上9点报表还没出数，老板在群里@你——产出延迟怎么排查和兜底？ 数据应用：画像 / 指标 / 报表
  852. 26-07 报表打开要30秒，业务方忍不了——查询慢怎么优化？ 数据应用：画像 / 指标 / 报表
  853. 26-08 同环比、月同比/年同比写出来总差一天——时间类指标SQL怎么写才不出错？ 数据应用：画像 / 指标 / 报表
  854. 26-09 海外业务的日报，“今天”到底是哪天——跨时区报表怎么处理？ 数据应用：画像 / 指标 / 报表
  855. 26-10 留存率、漏斗转化——报表里最容易算错的两类指标怎么实现？ 数据应用：画像 / 指标 / 报表
  856. 26-11 实时大屏和离线日报数对不上，该信谁——实时报表怎么做才靠谱？ 数据应用：画像 / 指标 / 报表
  857. 26-12 业务方要“随便拖拽维度看数”——千万级数据的自助多维分析怎么支撑？ 数据应用：画像 / 指标 / 报表
  858. 26-13 报表和业务系统的数差了3%，财务要说法——跨系统对账怎么做？ 数据应用：画像 / 指标 / 报表
  859. 26-14 几百张报表没人看还在天天跑——报表治理和下线怎么推？ 数据应用：画像 / 指标 / 报表
  860. 26-15 上游改一个字段，不知道会崩几张报表——血缘在报表场景怎么用？ 数据应用：画像 / 指标 / 报表
  861. 26-16 销售只能看自己区域的数——报表权限和行级隔离怎么设计？ 数据应用：画像 / 指标 / 报表
  862. 26-17 别让老板先发现数不对——报表的数据质量监控怎么建？ 数据应用：画像 / 指标 / 报表
  863. 26-18 报表需求堆成山，到底哪张先做——需求优先级怎么排？ 数据应用：画像 / 指标 / 报表
  864. 26-19 面试官问“说说你做过最复杂的报表项目”——怎么答才出彩？ 数据应用：画像 / 指标 / 报表
  865. 26-20 天天写报表会不会废掉——从“取数机器”到数据专家的路怎么走？ 数据应用：画像 / 指标 / 报表
  866. 27-01 MySQL Binlog采集突然延迟5分钟——Canal卡住了怎么排查？ 数据开发与治理
  867. 27-02 上百张MySQL表要同步到数仓——DataX、Canal、Flink CDC怎么选？ 数据开发与治理
  868. 27-03 全量+增量同步方案——一张10亿行的订单表怎么平滑迁移到数仓？ 数据开发与治理
  869. 27-04 业务库改了字段类型——下游CDC作业全挂了，Schema演进怎么处理？ 数据开发与治理
  870. 27-05 Flink CDC读Binlog导致MySQL主库IO飙高——怎么优化不影响线上？ 数据开发与治理
  871. 27-06 埋点上报数据丢了30%——前端SDK的可靠性怎么保证？ 数据开发与治理
  872. 27-07 一条行为日志要进Kafka又要进HDFS——怎么避免重复采集和数据不一致？ 数据开发与治理
  873. 27-08 Filebeat采集日志跟不上写入速度——怎么调优才不丢数据？ 数据开发与治理
  874. 27-09 Flume Agent挂了导致数据积压——Channel选MemoryChannel还是FileChannel？ 数据开发与治理
  875. 27-10 App端埋点字段经常变——埋点Schema管理体系怎么搭？ 数据开发与治理
  876. 27-11 跨时区数据采集——海外业务的时间字段怎么处理？ 数据开发与治理
  877. 27-12 同一份订单在三个系统里——主数据采集口径怎么统一？ 数据开发与治理
  878. 27-13 Kafka Connect vs Flink CDC——CDC到Kafka用哪个方案更稳？ 数据开发与治理
  879. 27-14 历史数据补采跑了8小时——怎么设计回溯采集机制？ 数据开发与治理
  880. 27-15 接入第三方API数据——分页、限流、断点续传怎么做？ 数据开发与治理
  881. 27-16 数据采集任务监控——延迟、丢失、重复指标怎么打？ 数据开发与治理
  882. 27-17 采集到的数据有重复——Exactly-Once到底能不能保证？ 数据开发与治理
  883. 27-18 DataWorks数据集成同步速度慢——并发、批量、网络怎么调？ 数据开发与治理
  884. 27-19 离线采集和实时采集要不要分开——同一份业务数据的Lambda取舍 数据开发与治理
  885. 27-20 业务方要"数据T+0"——离线全量+实时增量的合并策略怎么设计？ 数据开发与治理
  886. 28-01 你理解的Agent是什么？和写死的Workflow有什么区别？ AI 与大模型
  887. 28-02 Function Calling、MCP、A2A分别解决什么问题？ AI 与大模型
  888. 28-03 Agent的记忆怎么设计？上下文窗口满了怎么办？ AI 与大模型
  889. 28-04 RAG和Agent是什么关系？都有Agent了还要RAG吗？ AI 与大模型
  890. 28-05 Agent时代，数据开发会被取代吗？你的价值在哪？ AI 与大模型
  891. 28-06 设计一个ChatBI/智能问数Agent，业务说一句话就能出数 AI 与大模型
  892. 28-07 Agent查数总用错表、算错口径，怎么解决？ AI 与大模型
  893. 28-08 让Agent直接连数仓，怎么防止全表扫描、删库、越权？ AI 与大模型
  894. 28-09 设计一个数据开发Agent：写SQL、排查失败、修数据质量 AI 与大模型
  895. 28-10 企业知识库Agent：500万文档、300 QPS，数据链路怎么设计？ AI 与大模型
  896. 28-11 Agent效果怎么评估？上线前怎么证明新版本更好？ AI 与大模型
  897. 28-12 一次回答错了，怎么定位错在数据、检索、工具还是模型？ AI 与大模型
  898. 28-13 Agent的Trace和对话日志进数仓，模型怎么建？ AI 与大模型
  899. 28-14 大模型账单翻了三倍，成本怎么归因、怎么压？ AI 与大模型
  900. 28-15 多Agent调用链很长，失败了怎么重试才能幂等不重复？ AI 与大模型
  901. 28-16 Agent读到的数据有PII、有跨境数据，合规怎么做？ AI 与大模型
  902. 28-17 你平时怎么用AI写代码？AI写的SQL你敢直接上线吗？ AI 与大模型
  903. 28-18 没做过大模型项目，怎么讲自己在Agent方向的经验？ AI 与大模型
  904. 28-19 你们的数仓要给Agent用，你会先改哪三件事？ AI 与大模型
  905. 28-20 说一个你用AI提效的真实案例，效果怎么量化？ AI 与大模型