数据开发
共 31 篇面经 · 阿里云 / Boss直聘 / 坤电科技 / 腾讯 / 智元机器人
阿里云数据开发复试:数仓分层、数据倾斜与任务稳定性
数据开发复试的追问整理:数仓分层与建模取舍、离线与实时链路的选型、慢 SQL 与数据倾斜的定位、任务 SLA 保障、数据质量与口径一致性,以及百万级导出如何避免 OOM。
Boss 直聘数据开发终面:综合素质与每段实习的复述结构
Boss 直聘数据开发终面(11.18),几乎不问技术:自我介绍、家庭与学校情况、对公司和岗位的理解,每段实习都要按「概述、收获、困难」复述一遍,再问优缺点、如何应对挫折、如何学习新技术、如何跨团队沟通、offer 情况,最后介绍福利待遇。
Boss 直聘数据开发一面:埋点去重、看板价值与 Agent 知识库召回测试
Boss 直聘数据开发一面(11.16),从学校课程与实习项目切入:原始数据清洗的去重与口径对齐、重复数据是短时还是跨天、离线任务的 T+1 处理、看板由谁提需求与如何体现业务价值,随后转向 Agent 项目——用的模型、Codex 与 Claude 的差异、知识库召回效果的测试方法、记忆隔离,最后是团队背景与反问。
Boss 直聘数据开发二面:Agent 的落地价值、评测维度与权限隔离测试
Boss 直聘数据开发二面(11.17),以经历与动机开场,随后集中在 Agent 项目:哪一类 Agent 最有价值、ETL 自动化监控 Agent 的实现、埋点数据的量级与产出、看板与监控体系的落地价值、Code Review 只看时效性的局限,以及 Agent 测试的完整场景、用例来源与权限隔离的覆盖度。
坤电科技数据开发面经:数仓分层、数据血缘与 Spark Shuffle
坤电科技数据开发面经:自我介绍与实习经历、怎么读需求文档、埋点位置、数仓分层下的任务调度与资源、数据血缘、上游任务依赖与慢任务处理、数据清洗、分层模型与表数量、ORC 与 Parquet、Spark 宽窄依赖与 Shuffle 瓶颈,手撕最大乘积子数组。
腾讯数据工程一面:面向 Agent 的知识库、电商信息 Agent 与 AI 后的数据研发
腾讯微信电商数据团队一面(11.19):3 道 SQL 与 1 道算法题之后进入项目,围绕把 AI 接入数据链路后遇到的问题追问——Agent 知识库与 Memory 配置不足、多 Agent 自动校验的尝试,再让设计一套电商信息 Agent,并讨论 AI 普及后数据研发的工作重心变化。
智元机器人数据开发三面:数仓分层、Zookeeper 选举与 Iceberg 读合并
智元机器人数据开发三面(11.17),前半段深挖离线数仓:覆盖范围、上游数据源、集团集市与业务域集市的区别、数据量与目标、埋点方式与指标体系;后半段转向 Agent 开发与测试目标,再问 Zookeeper 的选举与一致性、Iceberg 的读合并机制,最后是求职意向与薪酬期望。
中邮消费金融数据开发二面:Iceberg 与 Hudi、Flink 反压与 Kafka 分区不均
中邮消费金融数据开发二面,约二十分钟:先让介绍学习与实习经历,技术部分集中在湖仓表格式(Iceberg 与 Hudi 的区别)、Flink 任务反压的排查与处理、上游 Kafka 分区流量不均的治理,以及数仓分层思想;末尾问学习新技术的方法、为什么选大数据方向、手上还有没有其他 offer。
坤电科技 数据开发二面:从数据链路追问到 CDC 中断恢复
坤电科技数据开发二面:先让候选人完整讲一遍数据链路与指标口径,再追问核心表、CDC 任务中断两小时如何补数、时区零点偏移、事件时间写入造成的数据倾斜与 HDFS 容量核算,最后聊 AI 使用与自建 Agent。
保融科技数据开发笔试:Python 八股、SQL 与一道 Hot100
保融科技数据开发岗笔试:分 C++、Python、Java 三套卷子任选一套,选 Python 卷后是一场基本信息题 1 分 + 20 道单选 + 10 道不定项 + 一道五小题的 SQL 题 + 一道 Hot100 难度算法题。
字节跳动大数据开发面经(10.9)
字节跳动数据团队大数据开发面经:从湖仓建设切入,深挖 Iceberg 的优点、Time Travel 的 SQL 写法、数据写入方式与文件组织,追问 Hive 表在 HDFS 上的物理存储和「分层分桶降低存储」的真实含义,后半场围绕智能问数 Skill 的实现与幻觉强控展开,并介绍了团队 AI 提效的两条线。
携程 10.13 数据开发笔试:最大子数组变体、left join 与 AI Coding
携程 10.13 数据开发笔试:最大连续子数组和变体、用 left join 保留计划路线并兜底未访问景点数,以及一道 AI Coding。
华勤数据开发面经:数仓分层、Hive 与 Spark SQL 细节追问
华勤数据开发面经:从看板工具、需求数据链路一路问到 Hive 底层引擎、Spark 内存管理、水印与 Flink 使用情况,中间穿插实习时长、发展城市、学生会经历等稳定性和个人情况确认,最后是岗位业务与团队情况的反问。
华勤技术数据开发 AI 面面经(10.10)
华勤技术数据开发岗 AI 面面经:七道主问题加层层追问,覆盖自我介绍、实习时长、入职初期心态与前 1~2 年规划、失败经历复盘,并深挖数据分布预校验里识别倾斜异常 Key 的指标,以及 AI 与人工代码质量对比看板的搭建过程。
虎牙数据开发一面:数仓分层、缓慢变化维与数据倾斜
虎牙数据开发一面:从数据源、分层作用、表设计与血缘讲整体思路,维度表字段与缓慢变化维怎么处理、DWS 层粒度与比率指标在哪层算、DQC 校验原则、数据倾斜的实战案例、和业务对齐指标要拿到什么,以及 Spark/Hive 技术栈与 Join 方式;反问里问了团队规模与 AI 工具落地。
快手数据开发面经:湖仓一体、Spark 数据倾斜与连续登录 SQL
快手数据开发面经:从湖仓一体项目切入,连续追问 Iceberg 与 Hive 的差异、Spark UI 定位倾斜 task、加盐打散与两阶段聚合、AQE 与分区调优,最后手写连续七天登录 SQL 与链表反转。
乐享元游 数据开发 一面:数仓分层、大表 Join 与指标异常排查
乐享元游数据开发一面,从竞赛与数据运营实习切入,系统考察 ODS/DWD/DWS/ADS 分层、大表 Join、分区分桶与小文件、Spark SQL 执行过程、Hive/Iceberg 存储差异,最后是看板指标突涨的排查与 AI 使用程度。
乐享元游复试(数据开发):ODS/DWD 分层、分桶与 Agent 落地效果
乐享元游数据开发复试:围绕小米 ETL 项目深挖 ODS 分层与清洗、去重依据、存储与建表分区分桶设计、多表关联合并位置、实时还是离线,以及 AI 检测优化、知识库对接、数据对外服务与 Agent 项目上线效果。
乐享元游数据开发 HR 面:团队氛围、加班与 offer 情况
乐享元游数据开发 HR 面:工作内容了解、职业规划、实习为何没留下、找工作时最看重什么、团队氛围偏好、加班接受度、投递城市与期望薪资。
联友科技数据开发面经(10.9)
联友科技数据开发面经:从实习职责与收获切入,深入数仓分层与 DWS/ADS 差异、主题层构建、客户画像标签模型的分层与技术栈选择,再考数据倾斜成因与加盐实现、Iceberg 与数据湖对比、建表的分区分桶实现、数据治理体系,以及大数据领域 AI Agent 的落地方向。
网易 数据开发 面经
网易数据开发面经:自我介绍与项目难点之后,重点问 Spark 数据倾斜的现象与三板斧解法、指标口径变更怎么处理(事前确认、小范围迭代、大范围评估与回滚预案)、对 AIGC 的理解与学习渠道、个人职业期望,最后向面试官反问团队规模与 AI 落地现状。
中邮消费 数据开发 笔试复盘
中邮消费数据开发岗笔试复盘:双机位,60 道专业题加 178 道性格测试;专业题分两部分——八股覆盖 Hadoop、Agent、数仓、Python、RAG 等,含单选、多选、判断且多选少选漏选都不得分;另一部分是 20 道左右行测题(言语理解、数学逻辑),整体难度不大但耗时。
中邮消费金融数据开发面经:数据倾斜、Iceberg 小文件与事务、数仓如何配合 AI
中邮消费金融数据开发面经(10 月 22 日):自我介绍后集中追问 Hive 数据倾斜的定位方式、使用的 Iceberg 版本、小文件怎么解决、是否支持事务、建表用的 V1/V2/V3,再问到项目是个人还是团队搭建、与传统数仓和 AI 的分工、如何借 AI 提升链路效能,反问环节面试官介绍了四五十人数据管理团队的两条方向(面向业务 / 面向 AI)。
中邮消费金融数据开发一面:HDFS、数据湖与 Spark 慢任务
中邮消费金融数据开发一面(15 分钟):HDFS 数据格式、容量快满怎么办、流式计算场景、MySQL 到 Flink 的链路、Spark 慢任务排查、数据湖与对象存储、HDFS 迁移、HiveSQL 优化与职业规划。
半亩花田数据开发面经 从数仓同步问到 AI 写 SQL
半亩花田数据开发面经,业务面试官围绕数据采集场景连续追问:业务库数据怎么同步进数仓、采集入湖方式、湖仓一体平台与调度、开发中哪部分最复杂、窗口函数与 AI 辅助写 SQL,最后是城市、成绩、薪资等常规问题。
水晶光电数据开发 AI 面:英文题与简历追问
水晶光电数据开发岗 AI 面试面经(9.24):流程包含自我介绍、两道英文选择题、朗读两段英语,以及三组结合简历的行为追问——怎么学习新技术、技术带来的提升,怎么协调团队不同意见、如何体现自己的作用,怎么处理业务团队的多需求、如何划分优先级及成效。
某药业公司数据开发一面二面面经(已获书面offer)
某药业公司数据开发一面二面面经,作者已获书面 offer。一面考数仓组件选型理由、分层设计、为什么用 Spark Structured Streaming 而非 Flink;二面深挖 Kafka 底层与替代选型、数仓数据量级与 Spark 底层原理。
虾皮数据开发面经:数仓建模、数据治理与智能问数 Agent
虾皮数据开发面经(9 月 23 日):从离线数仓建模存在的问题、分层设计与重复建表,到时效与存储的平衡、口径变更方案,再到智能问数 Agent 的架构、检索匹配与跨域调用规避,末尾反问团队规模与规划。
欣旺达数据开发一面:数仓分层与实时数仓设计
欣旺达数据开发岗9月22日一面,问题从自我介绍与项目角色开始,覆盖数据规模、实时与离线、数仓分层、数据倾斜、数据治理方案、脏数据排查、数据血缘,以及实时数仓架构设计与数据缺失补数。
欣旺达数据开发AI面:9连问与追问拆解
欣旺达数据开发岗 AI 面记录,手机小程序进行,自我介绍加填意向地后有 4 组问题共 9 问,围绕 Iceberg Schema Evolution 秒级加字段、RAG 补全元数据、数据分析 Agent 的技术选型,以及行为面的抗压与提前布局。
9ikun 数据开发二面:湖仓一体、DQC 与 Agent 追问
9ikun(神秘私募)数据开发二面面经,8 月 10 日:从湖仓一体的选型理由与缺点、数据治理难点,一路追问到分层 DQC 的实现规则、指标口径边界,以及 Agent 项目如何保证分析结果可信。