字节跳动大数据实习生面试

简历复习

LiveCoding

xxxxxxxxx

面试准备

2023.8.17

• Spark RDD宽窄依赖
  在Spark中，对RDD的转换操作可以分为两种依赖：宽依赖和窄依赖。窄依赖指的是每个父RDD的分区只被子RDD的单个分区使用，例如map()、filter()等操作。宽依赖则表示多个子RDD的分区可能依赖于同一个父RDD的分区，例如groupByKey()、reduceByKey()等操作。宽依赖可能导致数据的重新分区和网络传输。

• MySQL与HBase比较:
  MySQL是一个关系型数据库，适用于小到中等规模的数据，并支持复杂的SQL查询。HBase是一个非关系型的分布式数据库，适用于大规模数据存储，主要针对读写操作进行优化，不支持复杂的查询。
  HBase行列存储: HBase是一个列式数据库，数据按列存储，这使得读取特定列的数据非常快。HBase表由行组成，每行都有一个唯一的行键，并由多个列族组成。每个列族中可以有任意数量的列。

• MySQL能否直接查数据中某一列的特定数据，HBase能不能:？
  MySQL可以直接查询某一列的特定数据，例如SELECT column FROM table WHERE column = value。HBase也可以做到，可以使用行键和列标识符获取特定的数据。

• MySQL两种表引擎:
  MySQL主要有两种表引擎：InnoDB和MyISAM。InnoDB: 支持事务处理，也支持外键，对数据库恢复等需求提供了强大的支持。MyISAM: 不支持事务处理等高级处理，但是在大量读取的应用环境下速度快于InnoDB。

• 怎样设计数据分层？
  原始数据层 ODS：此层包含从各种数据源获取的未处理的原始数据。这些数据可能来自于业务系统、日志文件、外部数据提供商等。数据在这一层通常以最原始的形式存储，没有进行任何加工处理。
  数据处理层 DWD：在此层，原始数据经过清洗、验证、转换等处理，以适应后续的数据分析需求。处理过程可能包括数据的格式化、空值处理、错误数据剔除、数据类型转换、数据编码等。
  数据聚合层 ADS：在此层，处理后的数据根据业务需求进行聚合。这可能包括事实表的创建、维度的建立、计算指标的生成等。数据在这一层通常以数据仓库模型（如星型模型或雪花模型）的形式组织。
  数据服务层 ：此层为最终用户提供数据访问服务。这可能包括创建数据视图、数据集市、数据立方体等，以满足不同的数据分析和报表需求。数据在这一层通常以对用户友好的形式提供，如图表、仪表盘、报表等。

• 了解的大数据组件有哪些？
  Hadoop：Apache Hadoop 是一个开源的分布式计算框架，主要包括 HDFS（Hadoop Distributed File System）和 MapReduce 两个组件。HDFS 用于在大规模集群上存储大数据，而 MapReduce 提供了一种编程模型，用于在 HDFS 上进行分布式数据处理。
  Spark：Apache Spark 是一个快速的、通用的、大规模数据处理引擎，它提供了一个高级 API，支持 Java, Scala, Python 和 R，以及一个优化的运行时引擎，可以在大规模集群上进行高性能的数据处理。
  Hive：Apache Hive 是一种建立在 Hadoop 上的数据仓库工具，它提供了一种类 SQL 的查询语言（HiveQL），用于查询、汇总和分析存储在 Hadoop 文件系统中的大规模数据。
  HBase：Apache HBase 是一个建立在 Hadoop 上的分布式、列式数据库，它用于存储非结构化和半结构化的大规模数据，并提供了实时的数据访问能力。
  Flink：Apache Flink 是一个针对批处理和流处理的大规模数据处理框架，它提供了一种高效的、分布式的、通用的流处理引擎。
  Kafka：Apache Kafka 是一个分布式的流处理平台，主要用于构建实时的数据管道和流应用。
  ZooKeeper：Apache ZooKeeper 是一个分布式的服务协调系统，提供了一种为分布式应用提供一致性服务的机制。

• spark底层计算原理？
  RDD：RDD 是 Spark 中的基本数据结构，它是一个分布式的元素集合。每个 RDD 都被分割成多个分区，每个分区都会在集群中的不同节点上进行处理。
  懒加载：Spark 使用懒加载（lazy evaluation）的方式进行计算。这意味着，当用户对 RDD 执行转换操作（如 map、filter 等）时，这些操作并不会立即执行，而是记录下来，形成一个 "操作图"（或称为 "血缘图"）。只有当需要返回结果给驱动程序或将数据写出到文件系统时，这些操作才会真正执行。这种方式可以让 Spark 更有效地优化计算过程。
  转换和动作：RDD 支持两种类型的操作：转换（transformation）和动作（action）。转换操作会生成一个新的 RDD，如 map、filter 等。动作操作会触发计算并返回结果给驱动程序，如 count、collect 等。
  持久化：用户可以通过持久化（persist）或缓存（cache）操作来将 RDD 保存在内存中，以便于多次访问。这对于迭代算法或共享数据集等场景非常有用。
  容错：RDD 通过记录转换操作的 "血缘关系"（lineage）来实现容错。如果某个分区的数据丢失，Spark 可以通过血缘关系重新计算丢失的数据，而不需要进行复杂的数据恢复。
  调度：Spark 使用一个 DAG（Directed Acyclic Graph）调度器来管理计算任务。Spark 会将操作图划分为多个阶段（stage），每个阶段包含多个任务（task），每个任务对应 RDD 的一个分区的计算。Spark 调度器会尽可能地将需要进行 shuffle 操作的任务放在同一阶段，以减少数据传输的开销。
  Spark SQL, DataFrame and Dataset：除了基本的 RDD API，Spark 还提供了 Spark SQL 和 DataFrame/Dataset API，这些 API 提供了更高级的数据操作方式，如 SQL 查询和列式操作等。同时，它们还能享受到 Catalyst 优化器的优化，提高计算效率。

• Join底层逻辑
  嵌套循环连接（Nested Loop Join）：这是最基本的 JOIN 实现方式。对于每一行 R 在表 A 中，扫描整个表 B 查找匹配的行。这种方法简单直观，但如果两个表的大小都很大，那么这种方法的效率会非常低。
  排序合并连接（Sort Merge Join）：在这种方法中，数据库首先将两个表按照连接键进行排序，然后同时扫描两个表进行连接。这种方法的优点是不需要索引，并且在两个表的大小差不多时效率很高。但如果两个表的大小差别很大，那么这种方法的效率就不是很高。
  散列连接（Hash Join）：散列连接是一种在内存中通过散列技术处理连接操作的方法。这种方法中，数据库首先选取两个表中的一个（通常是较小的那个），然后根据连接键创建一个散列表。然后，数据库扫描另一个表，并使用相同的散列函数处理连接键，找到在散列表中的匹配行。散列连接在处理大规模数据时效率很高，但它要求至少有一个表（或两个表的一部分）能够放进内存。

• 举例A(3) join B (5) 有几条数据
  在 SQL 中，JOIN 操作是根据给定的连接条件，将两个表中的行组合在一起。如果你没有给出具体的连接条件，我将假设你是在问一个简单的交叉连接（CROSS JOIN），也称为笛卡尔积。
  对于表 A 有 3 条记录，表 B 有 5 条记录，做 CROSS JOIN，结果将会有 3 * 5 = 15 条记录。这是因为每一条来自 A 的记录都会与 B 中的每一条记录配对，所以总的配对数就是 A 和 B 中记录数的乘积。
  然而，如果你是在问其他类型的 JOIN（例如 INNER JOIN，LEFT JOIN，RIGHT JOIN 或 FULL JOIN），那么结果将取决于给定的连接条件以及满足这些条件的行的数量。

8.18

• 关系型数据库（RDBMS）
  关系型数据库基于关系模型，数据以表格的形式存储，每个表有其唯一的键（key）来标识每一行数据。具有一系列的操作符来操纵这些表格，可以在多个表之间进行联接操作以获取数据。
  特点：
  数据之间存在预定义的关系，例如一对一，一对多，多对多等。
  数据以表格形式存储，每个表有多个列，每个列对应一个属性。
  支持复杂的查询语句，如SQL。
  强调数据的一致性和完整性，支持ACID（原子性、一致性、隔离性、持久性）事务。
  例子：
  MySQL
  PostgreSQL
  Oracle Database
  MS SQL Server

• 非关系型数据库（NoSQL）
  非关系型数据库不依赖于传统的行列式结构，而是使用更灵活的数据模型，如键值对、文档、列存储、图形数据库等。这些数据库设计用于处理大规模数据分布在多个服务器上。
  特点：
  没有预定义的数据模式，对数据的组织和格式更加灵活。
  横向可扩展，适合大数据和实时应用程序。
  不保证ACID，但一般会提供最终一致性。
  支持简单查询，对复杂查询支持不如RDBMS。
  例子：
  键值存储：Redis, DynamoDB
  文档存储：MongoDB, CouchDB
  列存储：Cassandra, HBase
  图形数据库：Neo4j, Amazon Neptune

• 介绍hadoop，hadoop与hdfs的关系
  Hadoop和HDFS的关系可以看作是整体与部分的关系，HDFS是Hadoop的一个重要组成部分。
  Hadoop是一个开源的大数据处理框架，其主要目标是处理和存储大规模数据。Hadoop的核心是由两个主要组件构成的：
  Hadoop Distributed File System (HDFS)：HDFS是Hadoop的分布式文件系统，它负责数据的存储。HDFS提供了一个高度容错的方式来存储大量数据，并能够在成千上万的服务器之间进行分布式处理。HDFS也设计用于在廉价的（相对于企业级硬件）硬件上运行，这使得Hadoop能够有效地存储和处理PB级别的数据。
  Hadoop MapReduce：MapReduce是Hadoop的数据处理模块。它是一个编程模型，用于处理和生成大数据集。用户可以编写MapReduce程序来处理在HDFS中存储的数据。

• spark的RDD的几个特点
  弹性（Resilience）：RDD能够通过所谓的线性转换（lineage，即数据的生命周期）信息在节点故障后自动恢复。如果RDD的某个分区数据丢失，Spark可以通过原始数据和转换操作的日志来重新计算丢失的分区数据。
  分布式（Distributed）：RDD的数据自动分布在集群的所有节点上，每个节点处理数据集的一部分。这使得Spark可以进行并行处理，大大提高了处理大数据的速度。
  不可变性（Immutability）：一旦创建，RDD就不能被修改。这种不可变性使得系统更容易维护，并且可以在多个节点上安全地并行处理数据。
  转换和行动操作（Transformations and Actions）：RDD支持两种类型的操作：转换（transformation）和行动（action）。转换操作如map、filter和reduce会生成新的RDD，而行动操作如count、collect和save会触发实际的计算并返回一个结果到驱动程序，或者将数据存储到外部系统。

• RDD相对于mapreduce的优点缺点

  • 优点：

1. 易用性： Spark的API设计得更加简洁，提供了更高级的操作，比如map、filter、join等，这使得用户能更容易地编写并行计算代码。

2. 性能： Spark能够在内存中存储中间结果（而不是像MapReduce那样写入磁盘），这使得Spark在迭代和交互式查询操作上比MapReduce要快很多。对于机器学习和数据挖掘等需要重复操作数据的任务，Spark的这个优点尤其突出。

3. 灵活性： RDD支持多种数据源，并且可以进行更复杂的操作。例如，它不仅仅支持map和reduce操作，还支持SQL查询、流处理和机器学习等。

4. 容错性： RDD通过lineage（血统）信息实现容错。当某个分区的数据丢失时，Spark可以通过lineage信息自动、有效地重新生成丢失的数据。

   缺点：
   内存使用： Spark使用内存来存储中间计算结果，这意味着它可能会用尽内存，尤其是在处理大规模数据时。虽然Spark有溢写到磁盘的机制，但这会影响性能。

• hive join的几个方式，说明其原理

  1. Hive的Map-side JOIN：
     Map-side join是在Map阶段进行的，并且不需要Reduce过程。这种join方式在一张表（小表）可以装入内存的情况下效果最佳。Hive会将小表分发到各个节点，然后在Map过程中与大表的数据进行比对和连接。这种方式避免了数据在网络中的大规模传输，因此效率较高。
  2. Hive的Reduce-side JOIN：
     Reduce-side join是在Reduce阶段进行的。在Map阶段，Hive会按照join key将数据发送到同一个reducer。然后在Reduce阶段，数据被聚合并进行实际的join操作。这种方式的优点是不受内存限制，可以处理大型数据集，但缺点是会产生大量的网络数据传输，因此性能较低。
  3. Hive的Bucketed Map Join：
     Bucketed map join是针对bucketed table（已经进行过预分桶的表）的优化。如果两张表都是按照相同的列进行了预分桶，并且分桶的数量相同，那么Hive可以在Map阶段直接进行join操作，大大提高了效率。
  4. Hive的Skew Join：
     Skew join是针对数据倾斜（某些key的数据量远远大于其他key）的情况进行优化的。Hive会将数据量大的key单独处理，避免了由于数据倾斜造成的资源浪费。

• 排序有哪些算法，具体一个说明
  冒泡排序
  插入排序
  选择排序
  快速排序
  归并排序
  堆排序
  希尔排序
  计数排序
  桶排序
  基数排序
  下面我们来详细介绍一下快速排序（Quick Sort）算法：
  快速排序是一种高效的排序算法，它的基本思想是使用分治法。快速排序的步骤如下：
  选定一个基准值（Pivot）：从数组中选取一个元素作为基准值。
  分区（Partition）：将数组分为两个子数组，一个包含所有比基准值小的元素，另一个包含所有比基准值大的元素。这个步骤完成后，基准值就位于数组的中间位置。
  递归排序子数组：对两个子数组递归执行上述两步。

• kafka简单介绍
  Apache Kafka基于发布订阅模型，核心组件包括：
  Producer：生产者，向Kafka发送数据流的实体。
  Consumer：消费者，从Kafka读取数据流的实体。
  Broker：Kafka集群中的服务器，负责数据的存储和传输。
  Topic：Kafka中数据流的类别或者分区，Producer向其发布数据，Consumer从其订阅数据。
  Partition：Topic的分片，用于提高数据处理能力。

• 讲一下 JVM 的垃圾回收的相关概念？
  Java虚拟机（JVM）的垃圾回收（Garbage Collection，GC）是Java内存管理的一个重要部分，它负责自动化地管理Java程序的内存，通过识别和回收不再使用的对象来释放内存。垃圾回收器在程序运行时进行，尽管开发者无法直接控制其精确的运行时间，但可以通过编写“内存友好”的代码以及调整JVM配置参数来影响其行为。
  以下是关于JVM垃圾回收的一些基本概念：
  对象的生命周期：Java对象的生命周期开始于创建（当使用new关键字时）并在不再有引用指向它们时结束。如果一个对象不再被引用，那么它就可能被垃圾回收。
  堆（Heap）内存：Java对象存储在堆内存中。堆在JVM启动时创建，可以通过JVM参数调整其大小。
  垃圾回收算法：垃圾回收器使用特定的算法来确定哪些对象可以被视为"垃圾"并进行回收。常见的垃圾回收算法有标记-清除（Mark-and-Sweep）、标记-压缩（Mark-and-Compact）、复制（Copying）、以及分代回收（Generational Collection）等。
  停顿时间（Stop-the-world）：垃圾回收器在运行时，通常会导致Java应用程序的执行暂停，这种现象被称为“停顿时间”。减少停顿时间是垃圾回收器优化的一个重要目标。
  分代回收：Java的垃圾回收器通常采用分代回收策略，将堆内存分为新生代（Young Generation）和老年代（Old Generation）。这种策略基于这样一个观察：大多数对象的生命周期都很短。
  新生代（Young Generation）：新创建的对象首先放在新生代。新生代通常分为一个Eden区和两个Survivor区（S0和S1）。大部分对象在Eden区被垃圾回收。
  老年代（Old Generation）：如果对象在新生代中存活了足够长的时间，它们会被移动到老年代。老年代的空间通常比新生代大，并且其垃圾回收频率较低。
  垃圾回收器（GC Collectors）：Java提供了多种垃圾回收器，包括Serial、Parallel、CMS（Concurrent Mark Sweep）、G1（Garbage-First）以及ZGC（Z Garbage Collector）等。每种垃圾回收器都有其特定的使用场景和优劣，选择哪种垃圾回收器取决于具体的应用需求。

• JVM 常见调优方法有哪些？
  内存分配：扩大JVM堆的大小可以提供更多的空间给对象，减少垃圾回收（GC）的次数。使用-Xms和-Xmx参数可以分别设置堆的初始大小和最大大小。然而，分配过多的内存可能会导致更长的GC停顿时间，并可能影响其他进程的性能。
  选择垃圾回收器：根据应用的需求和特性选择合适的垃圾回收器。例如，对于需要低延迟的实时系统，选择并发垃圾回收器（如CMS或G1）可能是个好选择。对于可以容忍更长GC停顿时间的批处理任务，使用并行垃圾回收器（Parallel GC）可能更为合适。
  调整新生代和老年代的比例：JVM的堆内存被划分为新生代和老年代，其中新生代通常分为Eden区和两个Survivor区（S0和S1）。这些区域的大小可以通过参数-XX:NewRatio，-XX:SurvivorRatio进行调整。这种调整可以根据应用的对象生命周期进行，以减少GC的次数。
  调整线程堆栈大小：使用-Xss参数可以设置每个线程的堆栈大小。如果应用创建了大量的线程，减小线程堆栈大小可能会帮助减少内存消耗。
  启用类数据共享：类数据共享（Class Data Sharing, CDS）可以加快JVM启动速度并减少内存消耗。可以通过-XX:+UseSharedSpaces参数启用CDS。
  使用JVM内建工具进行监控和故障排查：JVM提供了一些内建工具，如JConsole, VisualVM, jstat等，可以用于监控JVM的性能和资源使用情况，帮助定位和解决性能问题。

• 讲一下 ElasticSearch 的基本结构、索引和分片
  Elasticsearch 结构
  Elasticsearch 是一个开源的搜索引擎，基于 Apache Lucene 构建，它可以提供全文搜索功能，具有 HTTP web 接口和无模式 JSON 文档。Elasticsearch 能够处理大量数据，并且能在实时条件下提供搜索和分析功能。它的体系结构主要包括以下几个层次：

  • 集群 (Cluster)：Elasticsearch 能够将多个服务器组织在一起，形成一个集群。集群能共享负载，提供冗余，从而提供高可靠性。
    节点 (Node)：节点是集群中的一个服务器，负责存储数据，参与集群的索引和搜索功能。

  • 索引 (Index)：索引是一种类似于数据库的数据结构，用于存储在 Elasticsearch 中的文档。

  • 文档 (Document)：文档是 Elasticsearch 中存储的基本信息单位，类似于数据库中的一行数据。

  • 分片 (Shard)：每个索引都会分成多个分片，每个分片是一个独立的 "索引"，可以被分配到集群中的任何节点。

  • 副本 (Replica)：为了提高系统的容错性，Elasticsearch 会创建分片的副本。

  • Elasticsearch 索引
    索引是 Elasticsearch 中用于存储类似类型文档的地方。比如说，你可以有一个客户的索引 (customer)，另一个订单的索引 (order)。一个索引由一个或多个称为 shards 的物理分区组成。每个分片都是一个自包含的索引，可以在 Elasticsearch 集群中的任何节点上托管。

  • Elasticsearch 集群和分片
    在 Elasticsearch 中，集群是由一个或多个节点组成的，能够共同执行数据索引、搜索和分析的服务器组。每个节点都知道所有其他节点的存在，并且可以直接与任何其他节点通信。
    分片是 Elasticsearch 进行数据分片的方式，每个索引可以被分割成多个分片。每个分片都是一个完全独立的索引，可以在集群中的任何节点上托管。分片的主要优点是，它们允许你水平地拆分和扩展你的数据量，并且分片可以在多个节点之间分配，这有助于提高性能和吞吐量。

• redis 的数据结构有哪些 ？

  • 字符串（String）：字符串是 Redis 最基本的数据类型，你可以理解成与 Memcached 一样的功能，一个 key 对应一个 value。这个字符串类型是二进制安全的。意思是 Redis 的 string 可以包含任何数据，比如 jpg 图片或者序列化的对象。
  • 哈希（Hash）：这是一个键值对集，Hash 是一个 string 类型的 field 和 value 的映射表，特别适合用于存储对象。
  • 列表（List）：Redis 列表是简单的字符串列表，按插入顺序排序。你可以添加一个元素到列表的头部（左边）或者尾部（右边）。
  • 集合（Set）：Set 是 string 类型的无序集合。和列表一样，你也可以添加、删除单个元素。但是，它保证存储的每个 string 都是唯一的。
  • 有序集合（Sorted Set）：有序集合和普通集合一样也是 string 的集合, 同时又是每个元素都会关联一个 double 类型的分数。Redis 通过分数来为集合中的成员进行从小到大的排序。有序集合的成员是唯一的, 但分数（score）却可以重复。
  • 位图（Bitmaps）：实际上是字符串的一种特殊类型。通过特殊的命令，你可以设置字符串中的某个位(bit)，或者获取该位的值。
  • HyperLogLogs：这是一种用来统计唯一值（如一个网站的每日独立访客数）的数据结构。尽管它只使用了极小的内存，但是它可以统计几亿个对象。
  • 地理空间索引（Geo）：你可以将地理位置（如经纬度）添加到这种数据结构中，然后在此基础上进行各种地理空间相关的操作。

• MySQL MVCC 的原理
  在 MySQL 中，MVCC 是一种多版本并发控制（Multi-Version Concurrency Control）的机制。MVCC 主要用于实现数据库的事务（Transaction）、并发控制（Concurrency Control），以及读一致性（Read Consistency）。
  MVCC 主要在 InnoDB 存储引擎中实现，通过在每行记录后面保存两个隐藏的列来实现。这两个隐藏的列分别是：

  • 创建版本号（CREATION）
  • 删除版本号（DELETION）
    当开始一个新的事务时，事务版本号会自动递增。这两个隐藏列的值会被设置为当前的事务版本号。这意味着在同一时间可以有多个版本的行存在，每个版本都对应一个或多个指定的事务。
    对于任何特定的 SQL 查询，MVCC 会返回所有满足下列条件的行：
  • 行的创建版本号小于或等于事务版本号。
  • 行的删除版本号要么未定义，要么大于事务版本号。
    这就意味着，每个事务会看到一个它开始时的数据库快照，因此可以实现非锁定读（Non-Locking Reads），也就是读一致性。
    MVCC 的主要优点是它允许数据库进行更高的并发操作。因为读操作和写操作不会互相阻塞，所以可以大大提高数据库的性能。然而，MVCC 也有其缺点，例如它需要更多的磁盘空间来存储多个版本的行，并且对于大量的更新操作，可能需要更多的 CPU 和 I/O 资源来清理旧的行版本。

• 2022年面经
  1.自我介绍
  2.个人信息和实习时长进一步沟通
  3.问项目，进一步阐明下项目细节
  4.HDFS备份文件数量
  5.HDFS读文件底层原理
  6.HDFS写文件底层原理
  7.追问是写完一个文件就返回还是所有备份写完才返回
  8.问MapReduce原理
  9.问Hive内部表和外部表的区别
  10.问Hivesql咋转换到MapReduce的
  11.问Hive可以用啥作为元数据库
  12.Hive和HDFS的底层架构的关系，什么地方用到HDFS
  13.问了对资源调度了解多少（提了yarn，没深入学习过）
  14.问Mysql索引用啥，为啥用B+树
  15.问各种连接方式的区别
  16.问平时用到的集群是用现成的还是自己搭建（虚拟机里面搭建集群）
  SQL出了两道题，最开始出了道一个city列中数据格式是（南京，北京，深圳）这样的，求内连接的结果。。想了一会说不会，city列改成了（南京）这样只有一个城市名称的数据格式，直接内连接就行。
  算法，问一个排序数组有一个数重复了，求重复次数。时间紧先写了循环遍历，然后说了二分查找的思路。

• 同上二面
  1.自我介绍
  2.解释数据库，表，索引
  3.问索引为什么能加快查找速度
  4.解释第三范式
  4.出了七八道走不走索引的判断题，解释理由（有个范围查找的走没走索引答错了，呜呜呜呜）
  5.解释二叉树
  6.问二叉树的几种遍历方式
  7.算法题，问二叉树存不存在根节点到叶子结点路径上的数据和为一个target。
  反问，问了部门业务场景，还稍微聊了一点数仓的东西。

• 已过
  首先做了三道SQL题，主要涉及分组聚合、窗口函数。

  • 3.3 一面 28min：
    1.自我介绍
    2.为什么要做这个项目
    3.介绍DataX
    4.项目问题
    5.介绍HDFS
    6.Hadoop hive hdfs spark关系
    7.职业规划
    8.数仓分层
    9.窗口函数
  • 3.6 二面 45min：
    1.自我介绍
    2.项目介绍
    3.维度模型
    4.一道数仓场景题
    5.数仓分层
    6.SQL常用函数
    7.rank dense_rank row_number区别
    8.SQL优化常用手段
    9.数据倾斜问题
    10.职业规划
    3.6 oc
    3.8 offer ✅

菜籽

微信支付

支付宝

相关文章：

Blockchain Using HyperLedger CSS_cheatsheet 大数据CDH平台搭建 wordpress搭建和迁移 Auto GUI 操作页面 Python之日志处理(logging模块)