DQC 面试题
共 3 篇真实面经 · 涵盖 光轮智能 / 虎牙 / 9ikun 等 3 家公司
光轮智能 Data Infra 一面:数仓分层、加盐打散与 Spark Shuffle
光轮智能 Data Infra 一面:自我介绍后从 ODS 到 DW 的分层讲起,追问项目里看板的指标链路与验收指标、Iceberg 解决的痛点、新增字段后历史数据怎么处理、小文件合并的原因;接着连续深挖数据倾斜(定位、加盐流程与弊端、小表广播、分区与并发)、DQC 规则与报表产出基线的保障,最后问 Spark Shuffle、如何减少大任务 Shuffle 数据量,以及实习时间、团队规模与职业规划。
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。
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。