빅데이터 면접의 실제 현장 질문을 어떻게 준비해야 하는지, 정말 도저히 참을 수가 없어요!

37241f7dee904c175677ce43fe527046.png300만 단어! 전체 네트워크에서 가장 완벽한 빅 데이터 학습 인터뷰 커뮤니티가 여러분을 기다리고 있습니다!

며칠 전 인터뷰를 정리한 글을 올렸는데, 빅데이터 분야의 인터뷰에서 실제 현장 질문이 차지하는 비중이 점점 많아지고 있습니다. 인터뷰에서 모두가 "실용적"이기 시작했습니다. 실제 현장 질문에는 그런데 프레임워크의 기본 내용에 대한 조사가 추가되었습니다. 이는 확실히 빅 데이터 분야의 진전입니다. 엄청난 도전입니다!

이 글은 그러한 문제에 대한 배경과 해결책을 요약한 것입니다.

배경

면접관 입장에서 실제 현장 문제에 대한 점검이 점점 많아지는 이유는 주로 다음과 같은 요인이라고 생각합니다.

1. 프레임워크 자체는 배우기 어렵지 않습니다.

현재 전체 인터넷 산업의 발전 상황으로 볼 때, 오픈소스가 많은데, 누구나 '기본지식'을 습득할 수 있는 문턱이 높지 않아 필요한 자원을 인터넷에서 쉽게 찾을 수 있다는 점이다. ;또 다른 주된 이유는 순수 프레임워크 원리에 대한 탐구가 고도로 차별화되지 않는다는 것입니다. 이는 대학 입시 문제와 동일합니다. 단순하고 중간적인 문제는 누구나 알고 있지만 이러한 문제는 실제로 능력이 있는 학생을 효과적으로 구분할 수 없습니다. 그들에게는 불공평합니다. 따라서 실제로 이론과 실습을 겸비한 학생들을 구별하기 위해서는 각 전공문제의 마지막 소문제의 난이도를 높일 필요가 있다.

2. 실천 자체의 중요성

실용 현장 질문은 특히 상대적으로 새로운 분야에서 개인의 능력과 비전을 입증하는 가장 간단하고 효과적인 방법입니다. 이 분야는 학습 비용이 높고 학습 곡선이 가파르기 때문에 "마법의 이력서"를 최대한 걸러낼 수 있다고 여러분은 믿습니다. 그것이 무엇을 의미하는지 알고 있습니다.

우리는 무엇을 해야 합니까?

우리는 두 가지 관점에서 이러한 문제를 살펴봅니다.

먼저, 간단한 면접 관점에서

그러한 질문에 대답하는 우리의 기본 원칙은 3단계로 이루어져야 합니다.

  1. 귀하의 비즈니스/기술적 배경을 명확히 하세요.

면접관은 이것이 어떤 비즈니스 시나리오인지, 수요 측의 구체적인 요구 사항은 무엇인지 명확하게 알아야 합니다. 왜 그런 필요가 있습니까? 그리고 이 장면 자체에 연결된 업스트림 및 다운스트림 정보는 무엇입니까?

  1. 개인 기술 솔루션을 간결하고 명확하게 표현

일반적으로 특정 비즈니스 요구사항에 대해 비즈니스 요구사항에 따른 기술 솔루션을 제공해야 합니다. 모든 비즈니스 시나리오가 일련의 솔루션으로 지원되는 것은 불가능합니다. 그렇다면 현재 비즈니스 시나리오에서 기술 솔루션의 장점과 단점은 무엇입니까? 주목할 만한 것이 있나요? 실제 개발 과정에서 어떤 문제가 발생했고, 해결 방법은 무엇이었나요? 위의 세 가지 연속 질문은 면접관이 가장 주목하는 것입니다.

또한 여기에는 명백한 오해가 있습니다. 데이터 볼륨/데이터 크기는 작은 참조 표준일 뿐이며 참조 표준도 아닙니다. 여기에서 논의할 가치가 있으며 일부 학생들의 이력서에서 이러한 설명을 자주 봅니다: 플랫폼의 일일 평균 액세스 데이터는 xxx0억, xxxG 등입니다. 이것이 끝이 아니라는 점을 모두가 이해해야 합니다. 둘째, 플랫폼 자체/프레임워크 자체의 역량입니다. 어떤 회사의 비즈니스가 복잡해지면 데이터 규모가 커지게 됩니다. 면접관이 관심을 갖는 것은 데이터가 언제 어떻게 나올지입니다. 어느 정도 규모에 도달하면 스스로 무엇을 했나요? 예를 들어 일부 학생들은 ClickHouse 테이블에 100억 개의 메시지와 200개의 필드를 작성합니다. 이것이 귀하와 어떤 관련이 있습니까? 이것이 ClickHouse의 기능입니다. 이 데이터 규모로 무엇을 하고 있나요?

  1. 이점을 명확히 하기 위해

이제 우리는 비즈니스 문제를 해결하기 위해 특정 비즈니스 시나리오에 대한 타겟 솔루션과 기술 솔루션을 설계했습니다. 그러면 확실히 이익을 가져올 것입니다. 이 이점에는 두 가지 측면이 있습니다. 하나는 기술적 측면이고 다른 하나는 비즈니스 측면입니다. 예를 들어, 기술적으로 어떤 기술적 문제가 해결되었는지, 어떤 효과를 얻었는지 설명할 수 있습니다. 사업에서 어떤 경영지표가 개선됐는지, 몇 퍼센트 포인트의 이익을 얻었는지.

이러한 이점은 면접관에게도 큰 관심사입니다.

둘째, 사고방식의 관점에서

위의 질문에 대한 답변을 보셨나요? 이는 실제로 사고 방식, 즉 평소에 일을 하고 생각하는 방식을 반영하며, 프로젝트 요약 및 보고에 대한 사고 방식이기도 합니다.

이것은 특히 고위직 면접에서 개발해야 할 좋은 습관입니다. 모든 사람이 면접관의 모든 질문에 대답할 때 실제로 면접관에게 이것이 문제에 대해 생각하는 방식이며 또한 문제를 해결하는 방식이라고 말하는 것입니다. 생각하는 것 일을 하는 일반적인 방식입니다.

면접관은 마음속으로 생각하겠지만, 실력 자체뿐만 아니라 일을 하는 방식이나 사고 방식도 사람의 성공 능력을 크게 결정하는데, 물론 고려 사항이기도 합니다.

이 글이 도움이 되셨다면 "좋아요",  "  좋아요"  3번 잊지 마세요  !

0d9357ed75518e1517374bd05cc8d2d0.png

7315650f2540ff8800893712b3b8901e.jpeg

2022년 전 네트워크 출시 예정 | 빅데이터 전문가 수준의 기술 모델 및 학습 가이드(Shengtian Banzi)

인터넷 최악의 시대가 실제로 도래했을 수도 있다

저는 Bilibili 대학에서 빅데이터를 전공하고 있습니다.

Flink를 배울 때 우리는 무엇을 배우나요?

193개의 기사가 Flink를 격렬하게 이겼습니다. 이 컬렉션에 주목해야 합니다.

Flink 제작 환경 TOP 문제 및 최적화, Alibaba Tibetan Bible Pavilion YYDS

CDC를 깜박이세요. 예수님이 그를 지켜주실 수 없을 거라고 확신해요! | Flink CDC 온라인 문제 목록

Spark를 배울 때 우리는 무엇을 배우나요?

Spark 모듈 중에서는 SparkSQL이 가장 강력하다고 말하고 싶습니다!

하드갱하이브 | 4만 단어 기본 튜닝 인터뷰 요약

데이터 거버넌스 방법론 및 실무에 대한 작은 백과사전

라벨 시스템 하의 사용자 초상화 구성에 대한 작은 가이드

40,000 단어의 긴 텍스트 | ClickHouse 기본 및 실습 및 전체 관점 분석 튜닝

[인터뷰 & 개인적 성장] 2021년 절반 이상, 사회모집과 학교모집 경험

빅데이터를 향한 또 다른 10년이 시작된다 | '하드갱 시리즈' 초판이 막을 내린다

성장/면접/경력 발전에 관해 내가 쓴 기사

Hive를 배울 때 우리는 무엇을 배우나요? "하드 하이브 속편"

추천

출처blog.csdn.net/u013411339/article/details/132033255