阿里大数据开发工程师面试凉经【4轮面试汇总】

面试公司：阿里巴巴

面试岗位：大数据开发工程师

一面

·简单介绍一下自己以及自己做过的项目；

·Java HashMap 是不是线程安全的？为什么？

·请用 Java 写个单例模式

·知道几种 GC 算法？

·如何实现一个高效的单项列表逆向输出？

·数据湖和数据仓库有什么区别？

·详细介绍下 Flink 的 Checkpoint 执行机制（分布式快照）

·算法题：寻找两个正序数组的中位数

二面

·如何在两个进程间共享数据？线程呢？

·如何在 main 函数里面等待一个线程执行完毕？

·用MapReduce手写一个wordcount，

·用 MapReduce TopK 怎么实现？

·Hudi、Iceberg 和 Delta Lake 哪个熟悉？它们之前有什么区别知道吗？

·请简述 Hudi 的读写流程。

·布隆过滤器的原理知道吗？（在回答 Hudi 写数据的时候提到布隆过滤器，所以面试官问了）。

·算法题：合并两个有序链表。三个有序链表合并？K 个呢？

三面

·Spark Shuffle 读写原理说下，和 MapReduce 的 Shuffle 有什么区别？

·Hudi 支持流批一起处理吗？他是怎么实现的？

·Iceberg 知道吗？实现原理你知道吗？

·Iceberg 的时间旅行是怎么实现的？什么场景下要使用它？

·Hudi 和 Iceberg 你怎么选？为什么。

·算法题：一辆公交车，有 m 站，最多坐 n 人，输入一路上的票信息（即上车下车站），输出会不会超载。

四面

·说一下你熟悉的设计模式？

·synchronized 和 ReentrantLock 区别是什么？

·都知道哪些分布式一致性算法？挑一个你熟悉的说下其原理。

·Join 的实现有哪几种？场景是哪些？

·一条 SQL 从提交到拿到结果都经历了什么？

·说下你理解的数据湖？

·Hudi、Iceberg 和 Delta Lake 怎么选择？

·请简述一下 Flink CDC 原理