【面经】特斯拉大数据开发三面面经

【面经】特斯拉大数据开发笔经
【面经】特斯拉大数据开发面经
【面经】特斯拉大数据开发二面面经
【面经】特斯拉大数据开发三面面经

20 min，比前面几轮问的问题都少。

1.自我介绍

2.实习项目中负责什么

3.实习中遇到的难题，学到什么，以后碰到怎么办，为什么会产生这样的问题

4.ES 和 ClickHouse 的区别

5.ClickHouse 擅长做什么样的实时计算

4 5 都是考两种引擎的区别。要了解各自擅长的领域。

Elasticsearch 最擅长的主要是完全搜索场景（where 过滤后的记录数较少），在内存富裕运行环境下可以展现出非常出色的并发查询能力。但是在大规模数据的分析场景下（where 过滤后的记录数较多），ClickHouse 凭借极致的列存和向量化计算会有更加出色的并发表现，并且查询支持完备度也更好。ClickHouse 的并发处理能力立足于磁盘吞吐，而 Elasticsearch 的并发处理能力立足于内存 Cache，这使得两者的成本区间有很大差异，ClickHouse 更加适合低成本、大数据量的分析场景，它能够充分利用磁盘的带宽能力。数据导入和存储成本上，ClickHouse 更加具有绝对的优势。

ClickHouse 的应用场景：

1.绝大多数请求都是用于读访问的；

2.数据需要以大批次（大于 1000 行）进行更新，而不是单行更新；或者根本没有更新操作；

3.数据只是添加到数据库，没有必要修改；

4.读取数据时，会从数据库中提取出大量的行，但只用到一小部分列；

5.表很“宽”，即表中包含大量的列；

6.查询频率相对较低（通常每台服务器每秒查询数百次或更少）；

7.对于简单查询，允许大约 50 毫秒的延迟；

8.列的值是比较小的数值和短字符串（例如，每个 URL 只有 60 个字节）；

9.在处理单个查询时需要高吞吐量（每台服务器每秒高达数十亿行）；

10.不需要事务；

11.数据一致性要求较低；

12.每次查询中只会查询一个大表。除了一个大表，其余都是小表；

13.查询结果显著小于数据源。即数据有过滤或聚合。返回结果不超过单个服务器内存大小；

6.学校项目

7.反问

问：工作时间？

答：早 8:30 晚 5:00。