今天给大家分享的是一个球友的提问,如果你也正好是应届生再找实习,那么也可以照着这个方向去学习。
问题是这样的:
某211学校。Java后端学了大概半年时间,前段时间找日常实习,海投一些大厂,简历全挂!只有滴滴约面,但是二面挂了!我算法题大概250题左右,熟悉java八股文。
不想卷java后端开发了,现在我想转大数据方向,想快点找个日常实习。现在比较迷茫,不知道大厂对大数据日常实习的要求!包括技术栈,SQL应该怎么学?
一个MVP版本的学习思路
这个同学真正想要的是一个MVP版本的学习思路,目的是找到实习并且为校招做准备。在这个阶段迷茫很正常,根据身边应届生朋友的经验,数据开发方向的MVP版本其实很简单,主要就分为下面几个部分:基础、项目、算法/SQL题。
我们完全可以很"功利"的面向面试而学习。下面是我总结的一个MVP版本的学习思路。供大家参考。
好的,我摊牌了,文章结尾有星球二维码。
先说基础
基础部分对应届生同学来说分为两个部分:
计算机基础
大数据框架基础
对于计算机基础来说,应届的同学们来说就是计算机的几门基础课,这里面涉及到计算机网络、操作系统还有数据结构、算法等。前两门课稍微照着我们星球《校招专区》的总结文档挑重点的去看,在理解的基础上稍微记忆一下,应付面试即可,未来在面试中的占比也并不高。
对于框架部分,如果仅仅是为了找到实习,可以照着下面的思路去学习。
首先,大数据开发方向的框架非常多,但是应届生找实习的话,可以挑几个核心的框架:Hadooop、Hive、Spark、Kafka、Flink学习一下即可。甚至你只学习Hadoop、Hive、Flink都行,再或者再少一个都可以。注意不要贪多,尽量不要陷入到「知识的海洋」去,你可以把我们星球内的《系统性总结》部分当成大纲:
![06da7e753746dad8ef8c0b2192037280.png](https://i-blog.csdnimg.cn/blog_migrate/cc6e71d421aeb1b51b3989879f4d174f.png)
在这个大纲的基础上,抓住重点,理解深刻,该记忆的要记下来,未来的面试中要主动引导面试官。公司对于应届生实习的要求并不会很高,重点在于:简历上写的内容我都能侃侃而谈
即可。
再说项目
项目部分可以按照我的思路,学生在校想接触到企业级的项目是很难的。
如果你在学校能接触到一些竞赛类项目,学校内部的比赛或者可以关注和加入一些阿里、字节、腾讯的一些线上挑战赛,这些挑战赛的项目就可以写到简历上。
或者如果你的学校、实验室有一些校企合作,虽然这些项目脱离实际,是实验室的产物,修修改改也是可以写到简历上的。
最后就是网上找的一些项目,例如B站上的,可以跟着做一下,写到简历上。
上面三个方法是在校同学找实习的最合理的办法。这些项目难度不高,你只需要认真的做完,写在简历上的内容能完整的表达给面试官即可。
最后说算法
对于数据开发来说,应届生实习面试也会被考到算法,数据开发的同学要同时准备LeetCode上的算法题和SQL题。
LeetCode上的算法题可以用Java语言刷一下Hot100中的简单和中等即可,当然越多越好,这部分算法题其实也是《计算机基础》的一部分。
那么SQL的刷题你可以按照这个视频中的思路来进行即可,所有的文档在知识星球都准备好了。
![af99fc0ab1db412bb55522ea1ca3be13.png](https://i-blog.csdnimg.cn/blog_migrate/61bc6d3d5926a243e31708748c46d875.png)
总结和建议
整体按照这个流程下来,最快也就一个月的时间,你就可以尝试去找数据开发的实习。当然,这个MVP版本的学习方案是面向完全0基础、最初级的科班应届生同学的。你的学历越好,面试的难度越低,反之亦然。
如果你有更高的目标,仅仅做到这些还远远不够。
最后,考虑到绝大多数的同学没有很好的学历(例如双985),也没有非常好的项目、科研经历,例如很早就在学校期间就开始自学各种框架、参与开源社区的活动等。
「绝大多数同学」不需要去竞争数据开发方向非常冷门的某些方向的开发,也完全没必要去羡慕其他方向所谓的「技术难度」。例如看起来非常高端的开源框架的企业二次开发或者非常偏底层、前沿的框架开发,还有一些比较偏门的数据算法岗位。
这些方向本来竞争非常激烈、非常难以出成绩,未来你的同事们都会是这个行业中最聪明、最能卷的那一批人。在整个行业放缓、重视成本考量的大背景下,可以退而求其次,找偏向业务方向的岗位,这些岗位招人更多,技术要求也没有那么高,你接触的技术难题大多跟行业、业务强相关,更容易出成绩,且这些经验在未来跳槽时会让你很有优势。
这也是开发方向非常经典的一个悖论,往往技术能力好的那批人却没有想象中发展的那么好。
最后,所有上面的学习都要有一个非常详细的学习计划。在计划的强引导和约束下,学习效率、效果都会事半功倍。
如果这个文章对你有帮助,不要忘记 「在看」 「点赞」 「收藏」 三连啊喂!
2022年全网首发|大数据专家级技能模型与学习指南(胜天半子篇)
Flink CDC我吃定了耶稣也留不住他!| Flink CDC线上问题小盘点