本文主要是介绍【对线面试官】阿里面试经历，有些人走一步看一步就挂了，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
点击上方蓝色字体，选择“设为星标”
回复”资源“获取更多资源
这个其实说来就话长了。是小编曾经面试阿里妈妈的经历。
这次面试最终在HR面挂掉，以至于后面回忆起来，仍然是一桩美谈。
这次面试长达一个月之久，共经历了4轮技术面，1轮HR。前四轮面试过关斩将，简直开了挂一般，跟面试官正面对线，丝毫不虚。听我一一道来。
第一轮
第一面是电话面试，晚上10点半。我特么一脸问号？你们这是刚加完班吧？事实上我幼稚了，后来我才知道可能是刚吃完夜宵。
一面小哥简单的问了一下个人的学历、工作经历，问了一些基础的问题。问题是从项目介绍谈起的，然后会进行无限扩展，这也是大多数的面试套路。有些面试官会让你介绍一下自己的项目经历，然后中间打断你从一个问题下手，然后蔓延开来。
然而我是不会虚的。
因为。
这个项目我闭着眼睛都能画出架构图，熟悉项目中的每一个细节。从立项、PRD评审、技术方案Review、上线运维等。我们开始聊的切入点是从Spark Shuffle开始的，分别聊到Spark的原理、Shuffle特性、Spark在项目中的优化、Spark对接Kafka的细节、反压问题的处理等等。
一面涉及到的问题主要是Spark、Kafka和一部分语言基础。
基本上都包括在这里了，兄弟们，听我说，好好看我写的面试题系列，不是随随便便攒起来的忽悠人的面试题目。
《独孤九剑-Spark面试80连击(上)》https://t.1yb.co/eQOF
《独孤九剑-Spark面试80连击(下)》https://t.1yb.co/eQOI
《SparkSQL 整体运行架构和底层实现》
《Spark-submit 参数调优完整攻略》
《Apache Spark 统一内存管理模型详解》
《三万字长文 | Spark性能优化实战手册》
更多的可以在公众号搜索【Spark】关键词进行搜索，不一一列举了，基本涵盖了那些面试题。
第一面持续了大概40分钟，面试过程异常顺利，问题对答如流，还反问了几个小问题看他们是怎么考虑的。
总体是因为实践真的遇到过，问题没有特别深入，跟面试官聊的也很开心。
第二轮
第二轮和第一轮中间大概隔了1周左右，晚上我还在楼下吃宵夜的时候就打来了电话。这里我不得不吐槽一下，从来不预约，直接电话call，问有没有时间？我：有。
兄弟们，听我说，这时候最好有时间，因为没时间可能就再也没下文了...
本人立即表示有时间，可以聊。
然后愉快的第二面就开始了。这轮面试持续了2个小时...
面试官明显的技术深度足够，涉猎也非常广。大家可以参考我的这篇文章《剑谱总纲 | 大数据方向学习面试知识图谱》，基本上涉及到了所有的知识点。
整个面试过程基本上从几个方面：
-
Java基础
涉及到基础数据结构、并发、多线程、JVM、NIO，关于面试的细节，都在《剑谱总纲 | 大数据方向学习面试知识图谱》这个文章里了，大家照着去看即可。
-
离线计算
这部分几乎涵盖了整个 Hadoop技术栈，其中HDFS涉及的非常深入，问到了源码级别的实现。这部分答上来的70%-80%，中间有些问题确实答不上来，因为没看过。这里大家要注意，不会的就是不会，没有研究过。千万不要撒谎，瞎胡说，会留下非常恶劣的印象。
可以参考《【大数据面试之对线面试官】MapReduce/HDFS/YARN面试题70连击》
-
实时计算部分
Spark、Kafka为主，常见的问题几乎都有涉及。可以参考我下面给出的连接，其中Spark问的非常非常深入，可以这么说，如果对Spark的源码研究的不够深入，我大概率在这一轮就挂掉了。面试题是背不完的，而且你觉得做没做过，看没看过能骗得到面试官吗？
Kafka因为已经成为事实上的大数据下的消息中间件，对原理、细节、源码问的都很深很深。后来我才知道，因为在阿里用的很多中间件都是参考了开源的实现，所以对原生的熟悉这些经验可以直接拿过来用。
直接在公众号搜索【Spark】【Kafka】或者对应的关键词即可，今年小编也会在春招前整理完数据技术栈的面试系列。
-
平台设计
这部分面试官让我描述了项目中的整体架构、实现细节。另外要求设计一个符合业务场景的大数据平台，可能会遇到的问题。并且跟我的设计，提了非常多的问题。可以感觉出来，这些问题大概率都是面试官在工作中遇到的。
这一部分大家可以参考我发过的一些数据平台、实时数仓的设计。在很多公司我们个人其实是接触不到平台层面的设计，但是没有办法，如果你要筛选那些更加有能力的人，就要问到不熟悉的领域，看反应能力。
参考：
大话实时数据平台设计(上)
大话实时数据平台设计（下）
大数据平台演进之路 | 淘宝 & 滴滴 & 美团
腾讯基于Flink的实时流计算平台演进之路
-
算法
这部分问到了Spark反压中用到算法细节，常用的大数据量下的算法，这些在之前的文中都有过介绍。不在详细展开了。
另外还有一些简单的机器学习算法，逻辑回归、SVM和KNN因为小编仔细研究过，多说了一点。这部分略过，不是长项，只是涉猎。
十个海量数据处理方法大总结
PID算法和Spark实现反压的原理
-
后端
这部分主要聊了Spring的原理、Mysql中的常见问题例如索引优化，数据结构等。所以说，SQL Boy & Girl 们，你们怕了吗？如果有人告诉你数据从业者不需要学习后端的框架和知识，那么就是在害你。因为稍微大一点的公司跟数据相关的组件都进行了平台化，慢慢变成运维角色。不要把自己的路走窄了。
整个过程聊完了，我只有一个感觉就是：被掏空了。我感觉面试官把我毕生所学都问出来了。这一轮也是淘汰率最高的一轮，深度和广度都要有。
最后我表示手机快没电了，小伙也表示太晚了，今天到这里吧。
回去我没吃完的饭都被老板收了。还以为我逃单了...
第三轮和第四轮
这里就不表细节了，这两轮更多的是偏架构设计、技术选型、基于业务的解决方案。这两轮也有很多人倒下，挂面大概率是因为做的事情太螺丝钉了，没有主动宏观了解过部门做的事，对业务思考没有深度，架构设计能力偏弱。需要在日常工作中有意识的提高。
HR
很不幸，小编就是倒在这一轮。小编还是太年轻了。
HR这面主要会考察大家一些个人职业规划、工作态度、沟通能力等等，总之这轮一般只要不犯傻就没有什么问题。可能会跟你聊一下待遇，但也有概率是不会聊的。按照常理出牌就行了。
HR问我：你未来有什么规划？
我：希望在数据领域深造，同时也在业务上能成为广告(阿里妈妈主营业务)方面的专家。其他的就走一步看一步吧...
在我说出走一步看一步的时候，我感觉屋里的温度瞬间到了冰点...
HR...很...狐...疑...的...看...着...我....
我...也...很...狐...疑...的...看...着...她...
然后就没有然后了。
后来，这个梗就成为了小编茶余饭后的笑谈。
这篇关于【对线面试官】阿里面试经历，有些人走一步看一步就挂了的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
