面灵AI→

智元机器人数据开发三面:数仓分层、Zookeeper 选举与 Iceberg 读合并

轮次
三面
时间
2026-11
来源
牛客网

《面试题目》

  1. 自我介绍。
  2. 拉家常。
  3. 你做的数据开发,是数据入湖、离线数仓这一块吗?
  4. 上游数据源是什么?
  5. 你负责的数仓,是集团全域数据集市,还是单个业务域的数据集市?
  6. 数据类型是什么?
  7. 数据量大概多大?你们的目标是什么?
  8. 怎么做数据埋点?核心观测指标有哪些?
  9. 指标体系怎么搭建?
  10. Agent 开发底层是什么语言?
  11. 问项目细节。
  12. Agent 测试的目标是什么?
  13. 问第二段实习。
  14. 数据分析 Agent 项目是怎么做的?
  15. 了解 Zookeeper 吗?它的选举机制是什么?
  16. Zookeeper 如何保证数据一致性?
  17. 你用过 Iceberg 吗?
  18. Iceberg 是读合并(MOR)还是写复制(COW)?
  19. 简单说下 Iceberg 的读合并机制。
  20. 你现在还在校吗?
  21. 你有什么想问我的?
  22. 提前实习能否安排?
  23. 有没有接触其他公司?
  24. 你更倾向什么方向?薪资预期怎么样?
  25. 手上大概有几家意向?

《参考解析》

数仓的边界要说清:面试官会连续追问「入湖、离线数仓、埋点和入库是否涉及」,回答要明确自己负责的是原始数据之后的那一段:离线数仓开发,同时覆盖中间的数据处理与整条 ETL 链路。说不清边界会被认为对链路没有整体认识。

指标体系怎么搭:先按业务过程拆(曝光、点击、转化、留存),每个过程定义原子指标与口径,再组合成派生指标;维度上保证可下钻(时间、渠道、版本、人群)。落地要解决三件事:口径唯一(指标字典)、可追溯(每个指标能回到源表与计算逻辑)、可监控(波动告警与异常归因)。

Zookeeper 选举:节点数一般为奇数,采用过半投票、少数服从多数。主节点故障后其余节点进入 Looking 状态发起投票,先比 zxid(事务 ID,越大越优先),再比 myid,得到过半票的节点成为 Leader。奇数是为了在同样容错能力下减少节点数,避免投票出现平票。

Zookeeper 一致性:依靠事务日志(WAL)与内存快照。写请求由 Leader 处理,转成事务提案广播给 Follower,过半节点落盘 Ack 后提交并回复客户端;Follower 通过同步 Leader 的日志与快照追平。Leader 宕机后新 Leader 以最新 zxid 为准,保证已提交的写不丢。它提供的是顺序一致性 + 单一视图,不是强一致读——读请求可能落到落后的 Follower,需要强读时用 sync。

Iceberg 的 MOR 与 COW:Iceberg 采用读合并(Merge-On-Read),新写入与删除以增量文件(数据文件 + 删除文件)记录,查询时按元数据合并。读合并的过程:先读元数据文件与 manifest 定位快照,通过分区裁剪选出相关数据文件,连同删除文件一起读取,在扫描时应用删除并组装成完整结果。好处是写入快、不用重写整份数据;代价是读放大,需要定期做 compaction 合并小文件。