数据研发岗面试题库

数据研发岗面试题库

专业基础问题

1. 线程、进程、协程的区别和的适用场景分别是什么？

2. 进程间通讯如何实现？

3. 什么是死锁，死锁发生的条件是什么？

4. 数据库中，存储过程和函数的区别是什么？

5. 什么是SQL注入，如何防范？

6. 数据库索引的原理是什么？

7. 如何使用SQL实现集合的交集、并集、差集？

8. 链表、队列、栈之间的相似点和区别是什么？

9. 搜索一个节点，时间复杂度较低的数据结构有哪些？

10. OSI 七层模型的分层和对应的硬件或协议分别是什么？

11. 指针和引用在原理和用法上有哪些区别？

12. 为什么会产生内存泄漏？

13. 垃圾回收的优点是什么，简述Java或Python的垃圾回收机制？

14. HTTP/HTTPS、FTP/SFTP区别是什么？

15. 面向对象编程的特点和优势有哪些？

16. 编译型语言和解释型语言有什么不同，常见语言分别属于哪种类型，编译链接过程分别做了什么？

17. 我们常用生产者消费者模型解决什么问题，实现方式是什么？

18. 弱类型语言和强类型语言的区别是什么？

SQL 问题

1. 集合运算（并集、交集、差集） 如何用SQL实现？

2. UNION 的用法是什么？

3. 多表关联查询时，提高效率的思路有哪些？

4. JOIN和子查询有什么区别？

5. 窗口函数与聚合函数的区别是什么？

6. 列转行有哪些实现方式？

7. 行转列有哪些实现方式？

大数据问题

1. MySQL/Oracle、ODPS/Hadoop、ES、ADS 各自的适用场景是什么？

2. DataWorks/Hadoop 包含哪些组件，作用分别是什么？

3. 流计算常用架构是什么？

4. 数仓方法论把数仓一般分几层，分别的作用是什么？

5. 常用的ETL工具有哪些，全量同步、增量同步和实时同步怎么实现？

6. 数据质量检测怎么做？

分布式问题

1. HDFS和MR的分布式架构分别是什么样的？

2. 分布式事务解决方案（强一致性、最终一致性）有哪些？

3. Zookeeper 在Kafka集群中的作用有哪些？

Python 问题

1. 什么场景需要使用深拷贝，为什么？

2. Python 中会出现内存泄漏吗，为什么？

3. Python 的垃圾收集器的工作原理是什么？

4. Python 中迭代器和生成器的关系是什么，适用于什么场景？

5. Python 的上下文管理器有什么作用，经典场景是什么？

6. Python 支持哪些线程同步工具？

7. Python 支持哪些进程通信工具？

8. Python 支持哪些进程同步工具？

9. Python 数据类型有哪些？

Linux 问题

1. 定时任务如何实现？

2. 网络探测命令有哪些？

3. 如何排查异常（内存、CPU、存储）进程？

4. 如何排查超大文件的进程？

数据库问题

1. 事务的四大特性是什么，其中隔离级别有哪些，适用场景分别是什么？

2. 如何优化 MySQL 索引？

3. MySQL 的复制原理是什么？

4. MySQL 的备份方式有哪些，有何不同？

5. 分库分表的原理是什么，和分布式数据库有何不同？

机器学习

1. 所在项目中文本挖掘/自然语言处理的技术架构和处理流程是什么？

2. 数据预处理常用方法方法和技巧有哪些？

3. 所在项目中使用的算法或技术效果极限是什么，如何判断，进一步优化思路？

业务问题

1. 业务流程：相关角色是否描述完整

2. 业务架构：场景是否能描述清晰，需求是否描述清洗

实战问题

1. SQL 实现时间维度分类计数（2月 1 个a，3月 1 个b，4月 1 个a，结果：2月 1 个a，3月 1 个b，4月 2 个a）

2. SQL 实现差集运算：(id,name)，a=[(1,A),(2,B),(3,C),(4,D)]，b=[(2,B),(3,C)]

其他

1. 家庭情况

2. 跳槽原因

3. 未来规划

4. 自驱：项目中发现问题过什么问题，如何解决

5. 自省：自己参与项目过程中，有待改善的点

6. 组织力：是否带过团队

7. 目前（预期）薪水