中国最大的建材网站找人做网站 优帮云

来源：2025年4月面试辅导同学全程分享【已拿23Koffer】

推荐阅读文章列表

2025最新大数据开发面试笔记V6.0——试读

我的大数据学习之路

面试聊数仓第一季

1.八股文

1）MapReduce如何实现两表的JOIN

参考面试笔记V6.0 Hive篇第7题，部分答案如下：

• JOIN分为common join和map join，common join就是join发生在reduce端，map join就是join发生在map端

2）Hive的存储格式有哪些

参考面试笔记V6.0 Hive篇第14题

3）HQL解析的原理是什么

参考面试笔记V6.0 Hive篇第1题

4）Hive导入数据有几种方式

参考面试笔记V6.0 Hive篇第16题（补充），答案如下：

• 本地文件导入到Hive表：load data local inpath xxx overwrite into table xxx
• HDFS文件导入到Hive表：load data inpath xxx overwrite into table xxx
• 一张Hive表导入到另一张Hive表：insert overwrite table xxx2 select * from xxx1
• 创建Hive表时从另外一张Hive表导入：create table xxx2 as select * from xxx1

5）Spark SQL的Join有几种方式

参考面试笔记V6.0 Spark篇第20题

6）Spark代码发生数据倾斜，你是如何定位到哪段代码问题的

参考面试笔记V6.0 调优技巧篇，部分答案如下：

7）Spark任务慢，如何通过调整参数来提升时效

参考面试笔记V6.0 Spark篇第4题和第27题

8）ER模型和维度建模的优缺点

参考面试笔记V6.0 数仓理论篇第5题，部分答案如下：

• ER模型冗余更少，但在大规模数据跨表分析中，会造成多表关联，大大地降低计算效率

2.项目

1）项目中的难点是什么？
2）数仓中的数据是如何流转的？
3）项目中的数据血缘是如何管理的？【Atlas开源工具 或者 ParseDriver解析工具】
后续分享我是如何通过ParseDriver来构建数据血缘的

3.刷题

SQL题：给定一个打卡表(部门id，用户id，打卡时间)，求每个部门打卡频次前10的员工

select dept_id, uid
from (select dept_id,uid,row_number() over(partition by dept_id order by cnt desc) rkfrom (selectdept_id,uid,count(distinct dt) as cntfrom t1group by dept_id, uid) t
) t
where rk <= 10