数仓 面试题
共 13 篇真实面经 · 涵盖 阿里云 / Boss直聘 / 光轮智能 / 腾讯 / 智元机器人 等 12 家公司
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。
光轮智能 Data Infra 三面:具身智能数据基建的阶段与求职匹配
光轮智能 Data Infra 三面(11.18),技术问题不多,以岗位匹配与稳定性为主:为什么不读研、哪段实习成长最大、偏底层组件还是应用层、对岗位与公司的理解、数仓建设处在什么阶段、自动化 ETL 与数据集市项目、压力与解压方式、base 地与家人态度、秋招进度与 offer 情况、对具身智能行业强度的预期、薪酬与实习时间。
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。
半亩花田大数据开发面经:数仓选型与数据入库怎么答
半亩花田大数据开发面经:三位面试官(一位 HR、两位业务),围绕用的什么数仓、是哪种数仓、数据怎么入库连续追问,回答偏自研后草草结束。
字节面经-字节跳动数据开发与数据分析岗面经-04
字节跳动数据开发与数据分析岗两场面经合集:一场围绕湖表历史状态查询、元数据系统与文件存储的边界、问数 Skill 优化以及 AI 写 SQL 建表调优链路的落地情况;另一场集中问向量索引方案、千亿向量场景下的索引设计与十台 Redis 集群的高可用低延迟设计。
经纬恒润数据平台面经:数仓 SQL、高并发与 Agent 检测设计
经纬恒润数据平台面经:岗位偏数仓与 SQL 开发,实际问了不少后端题——高并发系统设计、线程通信,还有一道设计 Agent 检测思路的场景题。
Shopee 大数据开发一面:项目、Spark 与数仓场景
Shopee 大数据开发一面以项目场景为主,追问 Spark 慢任务、AQE、ETL 调度、HDFS 副本、数仓难点、AI Agent 与数仓结合,并现场写 SQL。
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。
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。
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。
米哈游数据开发实习二面:数仓调优与AI落地
米哈游数据开发实习二面面经,面试时间8.15。围绕主题集市建设、指标波动评判、数据倾斜与资源调优、宽窄依赖、广播JOIN的适用与风险展开,并追问Agent相关经历、大模型微调认知,以及如何用AI工具落地一份全新数据开发需求的全流程。