大数据培训工程师面试

1、面试过程是一次高效的交流

首先，我觉得面试官有责任保证面试过程是一次高效的交流。你要获取到你需要的信息，对面试者做全方位的考量;面试者也要获取到他需要的信息，面试官(若面试成功很大可能是自己的上级)的水平，公司技术要求水平，自己是否适合这家公司，公司是否需要自己。

面试是一个双向选择的过程，面试官在选人，面试者在选公司。而面试者了解这家公司最直接的途径就是通过面试官。

2、面试官

说说面试官，我先说几个面试官常会有的问题。问题问得太跳跃，想到什么问什么。抓住一个面试官自己很熟的知识点或者方向往死里问 ，完全不会根据面试者的回答情况做调整(我是来面试的，不是来看你炫技的)。

3、技术问题

只问技术，不问业务，技术问题问得太表面，当然我也见过不错的面试官，问题问得很有水平。那有水平的面试官会给人什么样的感觉?答得很舒服，不管结果怎么样，总之能展现出自己应有的水平面试过程是有收获的，没有白来，知道了自己的欠缺，如果面试者是个到处抢着要的高手，那你有水平的提问会给这个面试者留下深刻印象，毕竟大家都是喜欢和厉害的人当同事的。

4、提问

说说提问，思路想法，表达能力，技术功底，热情。这几个点我是比较看重的。很多问题都是围绕着这几个点展开的，大家看下有没有借鉴意义。

只要数据量级大(或者是数据复杂度，或者是其他方面的量级大)到普通的处理方法无法处理地实际上都可以算作是大数据开发，只不过一般大数据开发目前招聘的很多都是做数据处理的。有如下几个方向:1)数据挖掘是大数据处理地一个方向，这里做数据挖掘要有一些统计学基础才能做，目前数据挖掘的方向其实不是很明确，和人工智能，机械学习也有一些关系，如果是做数据挖掘，基本的数据会由数据平台部或数据运维部门提供2)数据平台的开发(这里的平台开发在不同公司的内容又不一样，小公司可能是根据公司业务做一套完整的数据分析系统，大公司这个职位可能是一些开源组件的二次开发)3)大数据运维方向:比如hadoop，spark集群的运维，涉及到ha等内容4)大数据分析方向:有的公司会将职责细化，招聘一些专业的分析人员，去写hql或者是其它类sql来对数据进行分析最后，其实大数据平台相关工作的划分并不清晰，行业里没有统一标准，大公司小公司情况不同。关于技术方向更是用什么的都有，比如有的公司用spark，有的用impala，还有的用clickhouse等，最近flink也逐渐进入大家的视野。所以在找工作时应该要考虑的是自己的强项是什么，同时在选择工作时要考虑到这个工作在做了三五年后，从这家公司出来还能不能找到工作。我个人的建议是如果你会java,那不要脱离java(scala)语言去做大数据开发，也不要专业只去做数据分析工作，大数据行业目前仍旧有一些泡沫(个人看法)，很多组件仍旧是基于java的，一旦脱离java语言本身，那源码阅读，二次开发都会有问题，同时生产环境自动化去执行一些代码也是需要语言支持的，或者最差的预估，如果大数据行业严重缩水(比如某些公司可以分析，可以挖掘的内容有限)，可以随时转到java服务器开发方向。

考算法，就像很多人说的，知道了一个算法又能怎么样，可能工作中一辈子都用不上，就算能用上，很多的算法都有库和包实现了，拿来用就是了。确实是这样，所以考算法，并不是为了考，为了会，而是为了在探讨算法的过程中，考察和验证一个人是否聪明，是否基本功扎实，是否能够顺畅沟通，是否能够快速反应和学习。在讨论和交流的过程中，发现闪光点。能不能想出来，或是说出来，并不是考算法的要点。

再看写代码，则是更多的为了考察和验证出活的能力。在很多的情况下，用什么语言写是没有要求的。这样，一是可以考察基本功，没有基本功，是不可能能快速出活的。二是可以考察平时的训练积累和经验，包括工作方式，编程风格，思考方法，等等。三是接受任务和完成任务的主动性，是不是愿意接受任何团队需要完成的任务。四是完成任务的速度和质量，也就是出活的速度和质量。这种写代码的测试，会是之后工作情景的一个小小的缩影。

从写代码的过程和最后写出的代码，可以深入的考察一个人的基本素质，工作方式，和出活的条件，和出活的效率和质量。

至于主动性，或是责任心，有多方面和多种方式可以考察和验证，比如，聊过去的项目，在项目中的角色，完成的任务，完成的质量。在聊算法，写代码的过程中，也能够窥见一些，因为，一个不主动负责的人，是很难在完成具体任务时佯装出来的。

关于面试大数据工程师,这些技巧你知道吗，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。

以上是小编为大家分享的关于面试大数据工程师,这些技巧你知道吗?的相关内容，更多信息可以关注环球青藤分享更多干货