Iceberg 面试题
共 13 篇真实面经 · 涵盖 光轮智能 / 老虎国际 / 智元机器人 / 中邮消费金融 / 字节跳动 等 11 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。
光轮智能 Data Infra 二面:指标口径对齐、NL2SQL 多 Agent 校验与百亿级文件治理
光轮智能 Data Infra 二面,全程围绕「口径与治理」展开:不同团队同名指标如何对齐、业务方改核心指标定义时如何评估影响面并用血缘定位下游、历史数据是否覆盖与快照保留;数据侧追问大表关联倾斜与加盐打散在超大表上的代价;AI 侧连续追问自然语言取数(Agent 如何选表、SQL 报错怎么处理、生成不合业务语义的 SQL 怎么校验、多 Agent 互审的成本与上下文传递、全表扫描如何防范),最后是百亿级视频与点云等非结构化文件的管理设计。
老虎国际数据平台开发一面:Iceberg 小文件、数据倾斜与 k 个一组反转链表
老虎国际数据平台开发一面,前半段围绕 Iceberg(解决 Hive 什么问题、存储架构、小文件产生与合并后如何定位数据)、数据血缘、数据质量监控、大表比对与数据倾斜排查;中间问 YARN 的 ResourceManager 与 NodeManager、Kafka 能否只消费一次;最后是 Python 二维列表赋值坑、SQL 取第二高薪水与「k 个一组反转链表」的思路,并介绍了平台组的分工。
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。
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。
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。
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。
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)。
美团 AI 数据开发一面:数据倾斜、Iceberg 与 Agent 落地
美团 AI 数据开发一面面经(9 月 23 日):覆盖数仓主题划分、指标发布校验与偏差阈值、数据倾斜定位与加盐、Spark 性能优化与熔断告警策略,并深入 Iceberg 元数据与 Copy-on-Write、LSM-Tree,最后追问 Agent 落地、幻觉治理与效果验证。
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。