网易 数据开发 面经

《面试题目》

1. 自我介绍
2. 项目难点问答
3. Spark 数据倾斜：现象是什么？怎么解决？
4. 指标口径变更怎么处理？
5. 对 AIGC 的理解？
6. 个人职业期望
7. 反问：团队规模、核心业务方向、数据团队人数？
8. 反问：团队内部 AI 落地、AI 工具使用现状？

《参考解析》

Spark 数据倾斜：现象是某个 key 的数据量远大于其他 key，导致个别 task 处理时间极长、整体卡在最后几个 task 上，伴随单节点内存暴涨与 OOM、shuffle 读写量异常。定位方法是看 Spark UI 里各 task 的耗时与 shuffle 读写分布，或者按 key 统计 top N（group by key order by count desc）。解决分三层：预处理层做热点 key 过滤（业务上无效的脏 key 直接过滤）、对热点 key 加随机前缀打散（两阶段聚合：加盐聚合后再去盐聚合）；任务层把倾斜的 key 单独抽出来处理，结果再 union 回主数据；参数层调节分区数与并行度（spark.sql.shuffle.partitions、AQE 的自适应倾斜处理）、开启 map 端聚合（reduceByKey 优于 groupByKey）、小表广播避免 shuffle join。答题时最好带一个真实案例的量级变化（原本 40 分钟 → 优化后 5 分钟）。

指标口径变更：这是数据岗最真实的场景题，核心是「上游改一个口径，下游可能全错」。规范做法分三步：事前确认——口径必须先书面确认（谁提出、为什么改、影响哪些表与报表），并评估上下游影响面（血缘关系、有多少下游依赖、历史数据要不要重刷）；按影响面分流——小范围且无血缘依赖的，后续迭代中修改即可；大范围且有血缘依赖的，要制定变更方案（新老口径并行一段时间做对比验证、回刷策略、通知所有下游），并准备回滚预案；变更后要做一致性校验（新旧指标差异是否在预期内）。回答里带出「血缘」和「回滚预案」两个词，基本就能拿满分。

AIGC 与职业期望：答 AIGC 要分层：底层是大模型（对话 + 工具调用，能自主判断是否调工具）；中层是应用形态（智能体、RAG、Copilot）；落地层是「把 AI 嵌进完整研发或数据流程」。学习渠道的偏好可以如实讲——企业内部落地文档比外网博客更贴近生产，博客偏理论、和真实环境差距大。职业期望方面，这位作者答的是「在大数据基础上持续向 AI 发展，希望负责从数据产生到报表产出的完整链路，而不是只做中间片段」——这种表述对面试官很友好，因为它明确表达了成长诉求和岗位理解。

反问：数据岗可以问的问题包括团队规模与业务方向、数据链路的完整度（有没有数据治理、血缘平台、调度系统）、指标口径的管理方式、以及团队内部的 AI 落地现状与工具链。后者既能了解技术氛围，也能顺势表达自己的兴趣。