量化派面试体验分享

基本信息

面试日期：1月9日

面试地点：互联网金融中心-11层量化派，金融公司

面试总时长：约两个半小时

面试轮次：共五轮

第一轮面试（30分钟）

面试官主要考察了面试者对Spark Core的理解，包括RDD的容错机制、窄依赖与宽依赖的概念及其应用。此外，还询问了面试者对于HBase架构的理解及一些基本编程技能，如二分查找的实现和Java集合框架的基础知识。面试过程中还涉及到了OLAP系统Doris的应用场景及数据一致性问题。

第二轮面试（约1小时）

由大数据团队负责人主持，主要讨论了OLAP技术栈中的Presto、Druid和Impala之间的差异；数据仓库建设的流程及其各层级的设计思路；HBase的设计原则及实际应用场景。同时，面试官要求面试者现场编写单例模式的代码，并考察了其对二叉树遍历算法的掌握程度。

第三轮面试（20分钟）

这轮面试主要是与一位小主管级别的面试官进行交流，话题相对轻松，围绕个人职业规划及生活经历展开。尽管时间较短，但面试官还是通过这种方式了解了面试者的综合素养。

第四轮面试（35分钟）

由技术负责人主导，重点考察了面试者对Flink和Spark的理解，特别是Spark处理TOPN问题时的时间复杂度优化。此外，还探讨了元数据管理及数据管理的相关知识。

第五轮面试（20分钟）

人力资源部的面试官关注的是候选人的过往工作经验，通过一系列细致的问题来验证其简历的真实性。面试结束时，面试官告知候选人将在一周内收到反馈结果，但最终未收到进一步通知。

笔试题

笔试部分

• 设计并实现单例模式的不同方法。
• 实现一种常见的排序算法，并对其时间复杂度进行分析。
• 编写一段Java代码，判断给定字符串是否为有效数字。
• 使用Java编写程序，统计并按降序排列各部门员工的平均薪资。

面试部分

• 解释UDF类型及其应用场景。
• 对比reduceByKey和groupByKey操作。
• 描述Spark作业的提交流程及内部处理机制。
• 分析Spark Streaming中UpdateStateByKey操作的底层实现原理。
• 讨论个人项目中遇到的技术挑战及解决方案。
• 介绍如何监控Flume数据传输过程。
• 实现将数组中的奇数移动至左侧，偶数移至右侧的功能。
• 编写一个算法，计算二叉树每一层的节点数量。