自我介绍面试官你好，我叫xx，今年xx岁，本科云计算与大数据专业毕业，我在大四的时候就已经被上一家公司签下劳动合同，目前已经有4年的数据开发工作经历，在上一家公司主要负责 整个公司交易域以及BI报表、以及实时数仓这几块的模型建设和维护，我在任职期间从0到1完成了整个数仓的交易域建设，目前已经成为了整个公司的核心架构，我比较擅长离线和实时计算，熟练数仓建模，能够熟悉使用市面上比较主流的一些大数据开发组件，像Hadoop hive spark Doris clickhouse 等等，期间也多次获得项目突出贡献奖、年度优秀员工称号、绩效考核也是名列前茅。考虑离职的原因我在目前公司工作了4 年。前几年，发现自己进步的特别快，很熟练的就已经成为了部门的骨干，但近 1 年发现，公司业务线比较稳定，自己的一个提升也遇到了瓶劲期。我不太满足于现状这种过于稳定的环境，我希望通过换一个平台或者环境能让我深入钻研大数据这个领域，把过去积累的经验落地到更有挑战的工作中，当然这其实也是我关注贵公司这个岗位的核心原因。如何看待加班我认为加班需要客观看待，核心是‘是否有价值、是否可控’。首先，我不排斥短期有必要的加班 —— 比如项目上线前的冲刺、突发紧急需求，这类加班有明确目标，能通过成果体现价值，我肯定会积极主动配合，并且会在加班前梳理清楚任务优先级，确保高效完成，避免无效耗时间。但我也认为，长期无意义的加班需要警惕 ，可能反映的是一个人个人工作效率低、流程冗余导致的加班，不仅浪费时间，还会影响长期工作状态。所以在工作中，我比较喜欢提前规划，按照优先级 有计划的进行。也会提前感知需求或者项目的风险，和领导积极反馈。如果在工作中和其他同事产生了意见不合或者矛盾怎么处理我认为工作中与同事意见不合是常态，核心处理原则是 对事不对人，聚焦共同的工作目标，而非争个人对错。主动沟通，我会认真听对方的顾虑，一起找领导共同协商，事后复盘。大数据在餐饮行业可以做哪些精准选店：分析区域人流、消费力、竞品密度、外卖热度 判断：这里能不能开、开什么品类、开多大。2. 菜品优化：知道卖什么最赚钱 每道菜的毛利、点击率、复购、差评原因 淘汰没人点、不赚钱、容易出问题的菜；推出爆款组合、套餐、季节新品。3.供应链 / 库存：减少浪费，少亏钱。餐饮最大的隐形亏损就是食材浪费。按历史销量、天气、节假日预测用量；该进多少、备多少，系统直接算降低损耗 4.外卖运营：提升排名、多接单分析：曝光、进店率、下单率、差评关键词简单介绍你最近的一个项目基于 ClickHouse 的财务数仓建设落地独立制定并实施落地了公司财务全量订单入仓的审计方案，方案中汇总了公司的所有订单明细数据，并按照要求进行了汇总计算，包括财务核销、财务成本核算、财务 GMV 统计等 10 多个看板；完成上百亿数据（热数据 3.5T，冷数据 42T）在clickhouse 单节点的分层建模、计算调优，每天运行 200+个作业；针对 ck 内存溢出的问题提出了分片计算的方法，为公司每月节省成本近 800 元；大大提高了计算能力和速度，财务系统以前的计算方式需要 3 天，现在依靠数仓只需要 2 小时，为财务系统的看板提供了准确、稳定的数据支撑。销售工作台看板销售工作台看板是一个供公司3000多名一线运营老师使用的一个数据看板，看板的内容覆盖了整个公司核心的一些链路：比如领课、进群、加班、加老师、转化、退款、测评、扩科等等，独立制定《销售工作台》项目的技术方案和技术选型，完成了销售运营指标体系的建设，包括领课指标、转化指标、外呼指标、GMV 等指标的统计与明细数据的建设，期间将项目一共拆分为 4 期，每一期逐步完成。项目中采用了 Doris 作为整个平台的数据支持，完成了多数据源在 Doris 的分层建模和实时计算，期间进行了大量的性能调优，将 Doris BE 节点 CPU 和内存指标从 70%～90%优化到 30%～50%，达到了每 5min 近实时更新。现阶段服务于近 3000 多个一线销售和运营老师使用，一线老师能够更加准确、及时的感知用户的领课、参课、完课等情况，为一线老师的运营决策、绩效统计提供了准确、及时、稳定的数据基础。数仓交易域模型建设重构的方案与落地技术组件：sqoop、spark、hive、azkaban负责内容：从构建总线矩阵、到事实表建设、维度表建设等统一数仓建设过程出发，使用spark sqoop hive等组件完成了交易域模型建设的落地，包括但不限于：下单事实表、支付事实表、退款事实表、转单事实表、订单明细表、订单生命周期表、商品维度表、sku 维度表、用户维度表、训练营课程明细表、年课课程维度表等；交易域模型的建设避免了大量的重复计算，服务着公司 20 多个数据看板。电商 OMS 数据初始化技术组件：sqoop、spark、hive、azkaban、flink负责内容：经历长达 4 个月的周期，使用 sqoop、hive、spark 等大数据组件帮助电商提供 OMS 系统上线的数据初始化支持，包括履约单明细、服务履约、实物履约、课程履约、逆向履约等等，完成了 OMS 数据清洗的校验，帮助 OMS 解决了历史数据初始化的数据量大、计算复杂、APP 矩阵数据权益计算等难题，为此节省了至少 2 个月时间，保障其稳定、及时的上线；后期又基于 Flink 提供了 OMS 异常数据实时监控的数据看板，及时有效的监控 OMS 发货链路中暴露的多发、漏发等核心问题。数仓调度作业监控以及数据质量监控技术组件：scala、spark、hive、shell、azkaban负责内容：为保证数仓数据质量的稳定、准确性。数仓每天运行 2000+个作业，需要保障这些作业的产出时间不会有延迟以及不会有报错，使用 shell 调用了 Azkaban 开源接口（后续切换到华为云的 DataArts 接口），定时监控作业的执行状态已经执行时间，如果有异常就会直接触发报警（钉钉消息、电话、短信）；数据质量监控方面使用 scala、spark、hive 等技术，编写了数据质量监控工具，主要监控数仓核心数据的空值率指标、数据量的同比、环比指标、以及数据量的跌零情况，如果触发了报警规则，也会进行钉钉消息、电话、短信告警；来保障数仓数据质量的可感知，避免了至少 30 起 p0 级别的生产事故。java、scala
常见面试提问
发布时间：2026/5/22 2:51:56
自我介绍面试官你好，我叫xx，今年xx岁，本科云计算与大数据专业毕业，我在大四的时候就已经被上一家公司签下劳动合同，目前已经有4年的数据开发工作经历，在上一家公司主要负责 整个公司交易域以及BI报表、以及实时数仓这几块的模型建设和维护，我在任职期间从0到1完成了整个数仓的交易域建设，目前已经成为了整个公司的核心架构，我比较擅长离线和实时计算，熟练数仓建模，能够熟悉使用市面上比较主流的一些大数据开发组件，像Hadoop hive spark Doris clickhouse 等等，期间也多次获得项目突出贡献奖、年度优秀员工称号、绩效考核也是名列前茅。考虑离职的原因我在目前公司工作了4 年。前几年，发现自己进步的特别快，很熟练的就已经成为了部门的骨干，但近 1 年发现，公司业务线比较稳定，自己的一个提升也遇到了瓶劲期。我不太满足于现状这种过于稳定的环境，我希望通过换一个平台或者环境能让我深入钻研大数据这个领域，把过去积累的经验落地到更有挑战的工作中，当然这其实也是我关注贵公司这个岗位的核心原因。如何看待加班我认为加班需要客观看待，核心是‘是否有价值、是否可控’。首先，我不排斥短期有必要的加班 —— 比如项目上线前的冲刺、突发紧急需求，这类加班有明确目标，能通过成果体现价值，我肯定会积极主动配合，并且会在加班前梳理清楚任务优先级，确保高效完成，避免无效耗时间。但我也认为，长期无意义的加班需要警惕 ，可能反映的是一个人个人工作效率低、流程冗余导致的加班，不仅浪费时间，还会影响长期工作状态。所以在工作中，我比较喜欢提前规划，按照优先级 有计划的进行。也会提前感知需求或者项目的风险，和领导积极反馈。如果在工作中和其他同事产生了意见不合或者矛盾怎么处理我认为工作中与同事意见不合是常态，核心处理原则是 对事不对人，聚焦共同的工作目标，而非争个人对错。主动沟通，我会认真听对方的顾虑，一起找领导共同协商，事后复盘。大数据在餐饮行业可以做哪些精准选店：分析区域人流、消费力、竞品密度、外卖热度 判断：这里能不能开、开什么品类、开多大。2. 菜品优化：知道卖什么最赚钱 每道菜的毛利、点击率、复购、差评原因 淘汰没人点、不赚钱、容易出问题的菜；推出爆款组合、套餐、季节新品。3.供应链 / 库存：减少浪费，少亏钱。餐饮最大的隐形亏损就是食材浪费。按历史销量、天气、节假日预测用量；该进多少、备多少，系统直接算降低损耗 4.外卖运营：提升排名、多接单分析：曝光、进店率、下单率、差评关键词简单介绍你最近的一个项目基于 ClickHouse 的财务数仓建设落地独立制定并实施落地了公司财务全量订单入仓的审计方案，方案中汇总了公司的所有订单明细数据，并按照要求进行了汇总计算，包括财务核销、财务成本核算、财务 GMV 统计等 10 多个看板；完成上百亿数据（热数据 3.5T，冷数据 42T）在clickhouse 单节点的分层建模、计算调优，每天运行 200+个作业；针对 ck 内存溢出的问题提出了分片计算的方法，为公司每月节省成本近 800 元；大大提高了计算能力和速度，财务系统以前的计算方式需要 3 天，现在依靠数仓只需要 2 小时，为财务系统的看板提供了准确、稳定的数据支撑。销售工作台看板销售工作台看板是一个供公司3000多名一线运营老师使用的一个数据看板，看板的内容覆盖了整个公司核心的一些链路：比如领课、进群、加班、加老师、转化、退款、测评、扩科等等，独立制定《销售工作台》项目的技术方案和技术选型，完成了销售运营指标体系的建设，包括领课指标、转化指标、外呼指标、GMV 等指标的统计与明细数据的建设，期间将项目一共拆分为 4 期，每一期逐步完成。项目中采用了 Doris 作为整个平台的数据支持，完成了多数据源在 Doris 的分层建模和实时计算，期间进行了大量的性能调优，将 Doris BE 节点 CPU 和内存指标从 70%～90%优化到 30%～50%，达到了每 5min 近实时更新。现阶段服务于近 3000 多个一线销售和运营老师使用，一线老师能够更加准确、及时的感知用户的领课、参课、完课等情况，为一线老师的运营决策、绩效统计提供了准确、及时、稳定的数据基础。数仓交易域模型建设重构的方案与落地技术组件：sqoop、spark、hive、azkaban负责内容：从构建总线矩阵、到事实表建设、维度表建设等统一数仓建设过程出发，使用spark sqoop hive等组件完成了交易域模型建设的落地，包括但不限于：下单事实表、支付事实表、退款事实表、转单事实表、订单明细表、订单生命周期表、商品维度表、sku 维度表、用户维度表、训练营课程明细表、年课课程维度表等；交易域模型的建设避免了大量的重复计算，服务着公司 20 多个数据看板。电商 OMS 数据初始化技术组件：sqoop、spark、hive、azkaban、flink负责内容：经历长达 4 个月的周期，使用 sqoop、hive、spark 等大数据组件帮助电商提供 OMS 系统上线的数据初始化支持，包括履约单明细、服务履约、实物履约、课程履约、逆向履约等等，完成了 OMS 数据清洗的校验，帮助 OMS 解决了历史数据初始化的数据量大、计算复杂、APP 矩阵数据权益计算等难题，为此节省了至少 2 个月时间，保障其稳定、及时的上线；后期又基于 Flink 提供了 OMS 异常数据实时监控的数据看板，及时有效的监控 OMS 发货链路中暴露的多发、漏发等核心问题。数仓调度作业监控以及数据质量监控技术组件：scala、spark、hive、shell、azkaban负责内容：为保证数仓数据质量的稳定、准确性。数仓每天运行 2000+个作业，需要保障这些作业的产出时间不会有延迟以及不会有报错，使用 shell 调用了 Azkaban 开源接口（后续切换到华为云的 DataArts 接口），定时监控作业的执行状态已经执行时间，如果有异常就会直接触发报警（钉钉消息、电话、短信）；数据质量监控方面使用 scala、spark、hive 等技术，编写了数据质量监控工具，主要监控数仓核心数据的空值率指标、数据量的同比、环比指标、以及数据量的跌零情况，如果触发了报警规则，也会进行钉钉消息、电话、短信告警；来保障数仓数据质量的可感知，避免了至少 30 起 p0 级别的生产事故。java、scala
