校招生应届生写的大数据上岸过程比较少,很多应届毕业生想从事大数据开发,但是网上搜不到太多完整的上岸的过程,大部分都是面经之类的,所以想总结一下,不知道是否能帮助到有需要的人。
本文来自核心技术群优秀群友投稿: louwin
个人背景
我觉得有必要写一下个人背景,没有个人背景的上岸过程就是耍流氓,有些人一开始说无竞赛,无论文,我一想那我来学习一下,最后知道是复旦本硕,这你不是搞我心态么。(狗头,如有冒犯,不要打我)
自己是双非本硕,大数据一年的练习生,喜欢rap篮球。
上岸过程
靠自己的热爱学习,拿到大厂暑期实习,然后秋招上岸。贼简单的一句话需要细细展开来讲。
首先你需要热爱大数据,热爱是第一驱动力,我知道很多本硕选择大数据,是觉得后端或者别的太卷了,选择大数据是一种逃避手段,那我只能说对于大厂而言,大数据也很不容易,原因如下:
- 工作岗位比后端少得多
- 很需要你实际的工作经验
- 自己学习和工作脱轨的很严重
- 很多大厂岗位分的极其细致,可能你看到的数据开发根本不适合你
我个人觉得在大厂应届生及其卷的情况下,大数据逐渐神仙打架,如果是一线城市,那不好意思了,神仙下凡,那作为一个双非如何上岸呢?
- 第一,你是否真的喜欢大数据
这一点很矛盾,虽然说越努力越热爱,但是一开始学习后是否很喜欢大数据对你的帮助真的很大,你能否接受从0开始接触一堆组件,而且可能是你本科完全没听过的东西,如果接触了以后很喜欢,那么恭喜你,你的起跑线和别人一样,但跑的速度可太快了,每天学自己热爱的东西,是多么幸福的事情,能让你最后坚持下来。如果不是真的喜欢,只是想找个工作,卷后端/前端/客户端靠谱多了,既然都卷,选岗位多,容易进的嘛。
- 第二,打扎实你的基础
注意,我这里指的基础并不是大数据的基础,而是你计算机的基础,通俗的说就是科班素养,再具体点就是考研408科目(数据结构+操作系统+计算机网络+计算机组成原理),为啥喜欢科班的,就是因为再不怎么学,至少在脑子里留下一丢丢的印象,这些科目为我打下的基础让我受益匪浅,会对我的思考方式有帮助,甚至对解决问题的也有帮助,还有看计算机论文,看文档,画图的能力,都是平时锻炼出来的。
那如果非科班,或者平时真的学的不好怎么办呢,那当然是赶紧弥补,不过如果确定从事大数据的话,我觉得数据结构+操作系统足够了,可以稍微偷个懒,这两门课的重要性时时刻刻影响着我,他的思路在计算机很多领域都有影子。
其余的基础那就多了,编程语言,大数据思想,学了什么框架等等。校招生和社招生最大的区别就是,校招生最主要的是展示自己的潜力值得培养,你所学的一切东西在面试的时候都是为了展示这一点,我举一个面试遇到的问题:c在处理垃圾堆快和java自身靠jvm处理,你觉得有什么区别。这个问题是面试官结合人物背景和之前的聊天临时问的,如果你全靠背八股直接凉了,需要你当场思考给出回答,他不需要你回答标准答案,甚至这个问题就没有答案,但是面试官会通过你的当场思考来判断你的思维能力,如何思考并回答呢,答案就一个,基础是否扎实。
所以,如果还有几年才毕业的同学,好好打基础哟~
-
想不到吧,秋招其实三月份就开始了
双非进大厂现在老难了,最好要找个暑期实习,不断是不是大公司,但需要找一个,基本上大厂的暑期实习3月份就开始了,而且有些其实就是秋招,默认你可以转正,我当时面试的有几个大厂直接就和我说,这个其实就是秋招直接转正的,所以会问的难一点,秋招不放hc了。
有实习经验对自己帮助很大,主要收获有以下几点:
1)工程能力,github/maven/shell/linux,这些常见的工程模块平时用的比较少,还以一些测试交接的流程熟悉以后,知道现实中工作是怎么样的。
2)结束实际中的海量数据,平时练习几十万条数据最多了,集群上的机器也很少,实习让你实际感受几十亿,几百亿的数据量,和庞大的集群,收获很多,会遇到很多想不到的问题,算是彻底入门了大数据。
3)对你的秋招帮助很大,尚且不说大厂实习如果转正,那你秋招有很大的底气,关键是如果没转正出去找工作,别人一看,实习过,那说明你具备一些实际的工作经验,同时有公司相信的潜力,这也让我有信心自己可以相信你的潜力。
所以,对于校招的大数据而言,不光是大数据,还有很多别的,但最终就是个展示自身潜力的过程。
学习的内容
- 编程语言类:java, scala(皮毛),python(皮毛),shell(皮毛)
其实主要就是 java,面试的时候遇到的也是java,并发编程,jvm gc,基础的 collection 都问到了
-
数据结构!!!!:力扣不刷直接挂,除非学历很好
-
基础:要是非科班,有条件的话还是尽可能看一下数据结构和操作系统吧
-
hadoop组件:hadoop(会个基础的mr job,了解相关原理,看一下google的三驾马车),hbase(基础应用),hive(hql还是需要练习一下的)
-
spark:sparkcore(可以看一下常用算子的源码),sparksql,主要就这两个,其余的有条件可以看一下spark streaming
-
flink:时间足够的话可以看(推荐入门书籍flink基础教程,以及flink官方文档),之后自己做个简单的项目上手还是快的
-
消息队列:kafka,了解并使用一下,自己练项目也会用到
-
做项目带到的工具:flume,sqoop,datax,redis,说实话,项目做完我知道我用过,重新用的话还是对着文档写
-
项目:可视化小项目(java ssm框架基础实用),离线数仓(主要是hive),实时数仓(flink简单实用)
剩下的还是一些别的内容是实习过程中学到的,就暂时不写了。
面试遇到的内容
比较有意思的场景题或着开放题
1)假如要一个没有存储上限的arraylist,怎么设计
2)c语言回收堆快时,和jvm相比你觉得有哪些不同
3)两个超级大表做关联,如果不用sql,让你直接设计计算过程怎么设计
4)常规的百万级别数据blablabla……
5)你调研一个框架是如何调研的
6)java有单元测试,如果对sql做单元测试怎么设计
7)实际更新spark3之后,对比spark2在实际工作中全部是优点么
8)如何判断出现了shuffle,如何快速定位哪里出了问题
问题已经有写记不全了,选择了一些有意思的,我这里没有给出我当时的回答,每个人有每个人的思考方式,希望大家的思维可以发散。
结尾
投稿本文的读者把春招实习/秋招遇到的问题放一起了,做一个简单概括,对于想转型大数据开发的小伙伴们具有一定的指导意义,大家也可以多去牛客上看看其他人写的面经。如果真的热爱大数据,请一起坚持下去,还是很有意思的。
对了,如果想跟投稿本文的优秀群友一样,加入我的核心技术交流群,与更多优秀的小伙伴学习,交流,欢迎大家扫码添加我的微信 zwj_bigdataer ,记得备注【昵称-城市-岗位】,我看到后会第一时间通过。
另外,我可以送上自己私藏的一份大数据礼包,对于99%的程序员学习大数据都是相当有帮助和指导意义的。
108套企业真题
大数据面试宝典