美团-数据仓库高级工程师面试（一）
金三银四，尝试着面试了几家大厂（M、K、B），应邀整理总结了一下，借公众号“数据仓库与Python大数据”平台分享给大家，一起进步！
注：面试题目会陆续整理出来，今天主要先同大家分享美团一面面试总结。
正文
1.mapreduce原理，map数，reduce数
高频必问，可简单阐述，主要是理解
2.负责的那部分离线数仓数据量多大
文件每天大约 x g左右，每天上下可能浮动10几个g，大约 x 亿行
app：播放次数 x 万、正片播放次数 x 万，播放用户数 x 万、正片播放用户数 x 万，有效播放用户数 x 万、有效播放时长（小时）亿、流量（TB）TB，人均播放时长30-40分钟， 活跃用户数uv x 万左右
3.用临时表代替with的好处
能让中间数据落地，减少内存占用
阐述了CTE的优缺点
4.负责的离线数仓大概有多少张表、模型
明细层: 400张表左右
主题层：
产品主题: 296 张表
视频主题: 105 张表
。。。
adm层: 173 张表
数仓层级与主题域模型细化阐述
5.你负责的那部分，数仓架构是怎么设计的
讲解下具体的维度建模过程。维度建模过程是重点，要根据每个公司实际的开发情况说。我们是明细层先做基础表，基础表已经把公共字段和常用字段关联出来，保留事件名和对应json。在基础表的基础上再按照业务过程拆分明细表
重点围绕：选择业务过程-》声明粒度-》确认维度-》确认事实
6.数仓除了标准的4层模型还可以怎么设计
①增加dwt层。dws是一个主题一天的累计行为，可以在dws的基础上增加dwt层，获取每个主题的历史行为。
②增加dm层（数据集市-主题宽表层Data Mart）。基于dws的数据，按照主题汇总，建设宽表模型、汇总表模型，比如商家宽表、商家时段汇总表等。主要作用是支撑数据分析查询以及支持应用所需数据。
相当于增加了一个adm层，和我们现有的adm服务领域不一样。一部分数据从adm获取，另一部分数据从dm层获取
概念：又称数据集市或宽表。按照业务划分，如流量、订单、用户等，生成字段比较多的宽表，用于提供后续的业务查询，OLAP分析，数据分发等。
数据生成方式：由轻度汇总层和明细层数据计算生成。
7. OLAP，负责的多维分析平台（全维度分析数据）。最多几个字段，数据量级别、有没有必要做这么多字段
以单日最大的表为例子
数据量级别；2亿2千万
多少个维度：19个。id->的维度大概是4个，还有两个维度是用来做权限控制的。取不加密数据：adm取数的时候就把加密的字段=空
多少个指标：27个指标
是否有意义：能被业务日常使用同时做分析，并且对他后期的运营带来帮助就有意义
8.有没有使用过kylin、es、clickhouse等其他OLAP平台，说下cube的剪支
9.有没有参与BI平台的选型过程
可看这个，很全了，回顾：大数据可视化BI工具总结
10.正在使用的BI平台中的好处和不好在哪里
好处：增加了集市，把数据加快查询速度。
坏处：报表开发处理过程变复杂了，数据是存在本机服务器上的，有存储的上限，需要定期推动业务方下线数据
11.说下遇到的hive优化场景和数据倾斜场景
1.先groupby再count（1） 来替代count（distinct）
2.空值引发的数据倾斜。关联的字段把空值和-998打上一个随机值
3.两表关联时，不同数据类型引发的数据倾斜。用来关联的字段，既有string又有int类型，所有的string会被发到一个reduce里。处理方案：关联字段把int转换成string
4.合理设置map个数
5.合理设置reduce个数
12.实时数仓做过吗，简单说下
实时数仓的业务场景，lambda/kappa架构优缺点，Flink优化，双流join等
总结语
今天就先写到这里，作为个人总结与参考，希望能抛砖引玉，对你有所帮助！很开心能与大家分享，也欢迎大家关注这个数仓领域高质量的公众号。再次谢邀！
更多干货，请戳"阅读原文"到"面试系列"查看
！关注不迷路~ 各种干货、资源定期分享！