华勤技术数据开发 AI 面面经（10.10）

《面试题目》

1. 请用 2 分钟做一下自我介绍，重点谈谈实习经历，以及你对所在行业、应聘岗位的理解。
2. 你刚才提到的这几段实习分别做了多长时间？
3. 假设入职初期的工作比较基础、重复，与你的预期存在一定差距，你会如何调整心态、设定阶段目标？
4. 你对自己入职后前 1~2 年在数据开发方向的长期发展有什么具体规划？
5. 请讲一次学习、项目或实习结果不太理想的经历。你后来从谁或什么地方学到了新方法，又做了哪些改进？
6. 你当时做数据分布预校验的时候，具体是通过哪些指标来识别会引发倾斜的异常 Key？
7. 有没有一件你坚持了半年以上的事情，比如健身、跑步、学语言或培养一项技能？是什么让你一直坚持？
8. 你在长期健身的过程中，遇到过最想放弃的困难是什么？
9. 有没有一次你答应的事情眼看要做不到了？你当时怎么处理？最后有没有给对方一个明确交代？
10. 你刚才提到遇到任务无法按时完成时会优先保证核心部分交付，当时你具体是怎么和对方界定哪些属于必须先交付的核心内容的？
11. 在课程项目、校园活动或实习中，有没有遇到过计划突然变化的情况？你是怎么理解并适应这个变化的？
12. 你刚才提到这次业务侧新增了 AI 代码对比相关的口径需求，当时你具体是怎么和业务侧对齐确认这个新口径的核心细节的？
13. 请从实习、竞赛、横向课题或其他实践经历中选择一个你投入较深的项目，介绍你的具体职责、做了哪些实际工作，以及最后取得了什么结果？
14. 你刚才提到落地了 AI 和人工代码质量对比的看板，你在搭建这个看板的过程中具体做了哪些核心工作？

《参考解析》

AI 面的机制与应对。这场是典型的 AI 面试：开场白把规则讲死——七个问题、会针对你的回答追问、20~30 分钟、零容忍监考、过程中不能切屏。它的实现是把语音转写成文本，再由模型基于你上一段回答生成下一问，所以「答什么」决定追问方向，「怎么说」决定转写出来的文本好不好读。结构化表达在 AI 面里收益格外大：先给结论、再讲背景与约束、然后说动作、最后给结果和反思。因为模型抽取要点靠的是清晰的因果标记，口语化散讲、只讲感受不讲事实，会让追问跑到你没准备的部分。另外开场提到后面还有选择题环节，说明除了主观问答还有客观作答，每道题有思考时间、作答窗口大约两分钟，超时会自动推进。

怎么用指标提前发现会引发倾斜的异常 Key。这是本场唯一硬技术题，面试官追问得很细，因为「我知道有数据倾斜」和「我能提前把它找出来」是两回事。实际做预校验时可以从三组指标入手。第一组是 Key 分布本身：对候选的 join 键或 group by 键做 count/size 统计，看 top1、top10、top100 的占比，看 P99 与中位数的比值（中位数一万条、P99 八百万条就是明显热点），必要时算基尼系数或信息熵；再单独统计 NULL 与空串的占比——join 键为 NULL 时所有记录会被哈希到同一个 reducer，这是最隐蔽也最常见的「假倾斜」。第二组是执行侧指标：Spark 里看每个 stage 的 task 时长、shuffle read size、spill 大小的 max 与 median 比值，max 明显偏离中位数就说明个别 task 在扛大头。第三组是存储侧：分区目录下文件大小分布、单文件条数，大小极不均匀通常对应上游写入的热点。

识别之后的治理手段。能广播的小表走 map join，直接把 shuffle 消掉；热点 key 单独抽出来加盐，先按「key + 随机前缀」做局部聚合，再去掉前缀做全局聚合，代价是多一轮 shuffle，所以只对确认的热点动手；NULL key 先过滤或打散成随机值；group by 场景用两阶段聚合更通用；无法消除的极端热点（比如某个大客户的全量数据）就单独跑一条链路，别让它污染整个作业。答题时把治理手段和识别指标连起来讲——「我用 P99/中位数比值定位到三个热点 key，先试了 map join 不行，最后加盐两阶段聚合」——面试官才能判断你做过线上调优，而不是背概念。

项目与看板类问题怎么答。被问到「搭建 AI 与人工代码质量对比看板做了哪些核心工作」，按「口径—数据—呈现—结论」四步讲最有说服力：先和业务方把口径定死（什么叫 AI 生成代码、缺陷怎么判定、人工修复率怎么算），再把数据链路打通（评审记录、提交记录、缺陷单落到明细表，产出可复现的指标），然后做展示（趋势、分组对比、下钻到仓库或模块），最后说结论怎么被使用（发现哪类任务 AI 质量更稳、哪类仍需人工兜底、据此调整流程）。只讲「我做了个看板」就停住，面试官会认为你只是执行了需求。

规划与心态类问题的答法。入职初期做基础重复工作、前 1~2 年规划、坚持半年以上的事、答应的事做不到怎么办，这几道本质考的是稳定性和自我管理。规划不要喊口号，要落到可控变量：前三个月摸熟业务表和数据链路、能独立完成一个主题域的开发；三到六个月补齐建模与调优、开始承接有难度的需求；一到两年在某个方向形成方法论并能带人。讲「答应的事做不到」要给真实动作：尽早暴露风险、给出确定的降级方案和时间点、事后复盘。追问「怎么界定核心部分」时，答案是把交付拆成必须项与可选项、与需求方当面确认验收标准，而不是自己拍脑袋决定砍什么。