美团-大数据开发实习面试

一面

算法问了4道都比较简单，分别考的二分，递归，双指针以及动态规划。

1.二分搜索

704. 二分查找

力扣原题，注意边界条件，以及是否能取等号即可。

2.二分搜索（递归实现）

704. 二分查找

代码如下：

public int search(int[] nums, int left, int right, int target) {
        while (left <= right){
            int mid = left + (right - left) / 2;
            if (nums[mid] == target){
                return mid;
            }else if (nums[mid]< target){
                return search(num, mid + 1, right, target);
            }else{
                return search(num, left, mid - 1, target);
            }
        }
        return -1;
 }

 3.双指针

递增数组，判断数组中是否存在两个数之和为target，思路是双指针，一个begin，一个end，每次移动一个指针。

167. 两数之和 II - 输入有序数组

代码如下：

public int[] twoSum(int[] numbers, int target) {
        int p1 = 0;
        int p2 = numbers.length - 1;
        while (p1 < p2){
            int sum = numbers[p1] + numbers[p2];
            if (sum == target){
                return new int[]{p1 + 1, p2 + 1};
            } else if (sum < target){
                p1++;
            } else {
                p2--;
            }
        }
        //无解
        return new int[]{-1, -1};
}

 4.最长递增子序列LIS（动态规划）

300. 最长递增子序列

DP代码如下:

public int lengthOfLIS(int[] nums) {
        int dp[] = new int[nums.length];
        dp[0] = 1;
        int maxSeqLen = 1;
        for (int i=1; i<nums.length; i++) {
            //初始化为1
            dp[i] = 1;
            for (int j = 0; j <= i; j++) {
                //对dp[i]进行更新，严格递增
                if (nums[i] > nums[j]){
                    dp[i] = Math.max(dp[i], dp[j]+1);
                }
            }
            maxSeqLen = Math.max(maxSeqLen, dp[i]);
        }
        return maxSeqLen;
}

最优时间复杂度为O(nlogn)

写完四道算法之后，开始问项目，问了大概半小时项目，简单的问了一下八股文。

八股文

1.MapReduce的整个过程原理。

2.Spark参数executor.memory与executor.memoryOverhead的区别。

然后简单介绍了一下美团平台做的啥业务，balabala一堆，也不太想听。

二面

项目聊了40分钟，中间讲了一下他们公司做的业务。

然后问我大数据输入流下Flink程序如何优化（他们那边流程序一次跑一天），我说先选择stateBackend，选rocksdb，之后要进行黑盒参数优化。

问了我Spark程序核内比如何设置比较合理，怎样避免OOM。我说核内比的大小是由硬件环境以及应用程序的特征决定的，基于经验的话，我们实验室的鲲鹏ARM机器上（288核 360G内存），1:1.5的核内比就可以，在华为云(192核 300G内存）的X86机器上， 1:3以及1:4比较合适。

又问了我遇见过executorMemoryOverhead空间不足报错的问题没,我说没有，只遇见过参数不合理的时候，超过了yarn分配的资源上限导致报错，并未遇见过不足的问题。

之后问我大数据集下，应该调整哪些配置参数的值来更好地进行Spark SQL程序的优化，我回答了spark.sql.shuffle.partition以及spark.broadcast.threshold。

又问了我Spark程序优化以及Flink程序优化的这些参数大概选了多少个，选了哪些，以及是如何选择出来的。

八股文没有问就，面试官让我写了一道SQL以及一道算法，八股文没有问。

SQL，聚合排序以及Join的操作，我说不会写SQL，就说了一下思路。

算法：两数求和（逆序链表）

2. 两数相加

考察的链表基础知识，整一个carry进位即可，按照顺序求解。

然后又介绍了一下他们公司的业务balabala，问我的意向之类的。