最近复盘了一些同学的面试情况，发现很多校招同学都有一个通病：刷题无数，却抓不住大厂面试核心。

平时死记硬背知识点，一到面试现场，遇到实操类、排查类问题直接卡壳，尤其是Spark、Flink线上问题排查、SQL优化、Java底层原理，是大厂必考的拉分重点。

今天给大家整理了腾讯数据、腾讯软件开发-数据开发、快手数据开发一面完整真题，全部是真实校招面试原题，涵盖基础原理、线上问题排查、框架调优、项目深挖、手撕算法、AI工具实操六个核心内容。

1.腾讯数据开发一面

面试官主打考察Spark、Flink实操能力，几乎没有纯背诵送分题，重点考察线上问题排查、原理理解、业务场景落地，是数据开发的核心考核重点。

1.基础问答

• 自我介绍

• 日常工作中使用Hive还是Spark？对哪个更加了解？

2.Spark 高频核心问题（重中之重）

• 简述Spark问题定位的完整流程，以及常见问题的解决方法

• 线上Spark任务运行很慢，如何一步步定位问题？

• 简述广播和Shuffle的区别，为什么Shuffle执行速度远慢于广播？

• Shuffle将各节点数据传输到目标节点后，会执行哪些后续操作？

• 小文件导致Spark任务运行缓慢，具体影响Spark的哪个环节？

• 是否用过Hive二级分区？使用Spark写入Hive二级分区时，遇到过哪些问题？

• 常规业务SQL在Spark内部的完整运行流程是什么？

• 针对核心业务SQL，会从哪些维度做优化？

• 过往代码是否存在性能问题？如何优化改写？

3.Flink 场景化真题（业务理解）

• Flink滑动窗口场景：每5分钟统计过去一小时的用户行为流水，数据量100万条/分钟，如何预估窗口计算的输出数据量和整体计算量？

• Flink任务基于Checkpoint重启，消费Kafka数据时，能否精准回溯到某一秒的时间点消费对应数据？

2.腾讯软件开发-数据开发一面

面试官考察的维度更全面，除了大数据框架，重点加考Java底层、MySQL事务、Zookeeper、Spark高阶调优（AQE），最后搭配手撕算法，是典型的大厂综合面试模式。

1.计算机基础

• Mysql事务是什么？事务隔离机制有哪些？

• Java多线程机制怎么实现？

• 线程安全的集合有哪些？用线程安全的集合一定就线程安全吗？

• 线程会跟着main方法一起消亡吗？

• Zookeeper选举机制有哪些？

2.Spark 高阶调优（深度拷打，被打哭了）

• Spark stage的划分规则是什么？

• Spark有哪些调优手段？自身调优机制AQE原理是什么？

• Spark SQL优化器的核心逻辑是什么？逻辑计划和物理计划之间是什么？

• count(distinct) 消耗资源过高，精度要求不高的情况下如何优化？

• 增加CPU和内存一定会提高任务效率吗？

• Spark CPU核数多、计算任务少，如何针对性优化？

• Spark任务运行缓慢，完整排查思路是什么？

3.项目+业务（细节拷打）

• 深挖过往项目细节、难点、优化点

• 日常对接的企业数据量级是多少？

4.手撕算法&&SQL

• 用两个栈实现队列（简单）

• 连续性问题（简单）

3.快手数据开发实习一面

这次快手的面试偏弱化传统基础八股，重点考察AI代码工具落地、业务方案设计、工程实战能力，非常贴合当下大厂数据开发的智能化转型（当然这也是各大厂正在做的事情，腾讯一面没问不代表后续面试没有）。

1.AI开发工具&平台实操

• 单一skill文档能否完整替代现有引擎，覆盖编排、分析、执行、质检、总结全工作流及工具调用等平台能力？

• Vibe Coding IDE Agent与自研Agent的本质区别是什么？

• 依托大厂开源IDE Agent搭配skill方案，是否能更灵活适配现有业务场景？

• 是否使用过小龙虾、Vibe Coding等工具？日常使用频次如何？

• 落地各类外部代码生成平台有哪些实操经验？优质平台的核心优势是什么？

• 现阶段代码开发成本是否偏高？如何对比大模型Token成本与人工开发成本？

• 小龙虾产品与各类IDE编程Agent的核心差异是什么？

2.业务方案设计

• 业务场景：产出分析调研报告，需爬虫拉取数据源+大模型数据加工，落地过哪些方案？有没有可灵活拓展、支持用户自主迭代的方案？

3.个人情况问询

• 个人在读年级？大三的话空余时间能否满足全职实习？

• 是否刚开始找实习？意向深耕的技术方向是什么？

• 日常可投入的实习时间是否充裕？

4.手撕算法&&SQL

• 合并两个有序数组

• SQL 写了两个，都是比较简单的

面试复盘总结

1. 腾讯：底层、原理、排查、调优

   • 该部门面试重点：深入Spark/Flink底层原理、熟记线上任务慢、数据倾斜、小文件等常见问题的完整排查链路、吃透SQL与集群资源调优的经验，保证基础知识点非常了解。

2. 快手：落地、工具、业务、创新

   • 该部门面试重点：梳理AI编程工具实操经验、需总结业务落地案例与方案迭代思维，贴合智能化开发行业趋势