文章目錄

• • 成長篇
  • • 大數據工程師成長經驗
    • 大數據技術思維養成經驗
  • 職場篇
  • • 大數據領域未來趨勢和職業方向
    • 大廠招聘的通用原則和面試技巧
    • 筆試/算法/編程考察意圖和技巧
    • 職業發展 Q & A

成長篇

大數據工程師成長經驗

基礎

• 面向對象的編程語言（Java / Scala）
• SQL：https://www.w3schools.com/sql/default.asp
• Linux
• 容器化：https://hub.docker.com
• Trouble shooting 工具
• Jstat：https://docs.oracle.com/javase/7/docs/technotes/tools/share/jstat.html
• Jstack：https://docs.oracle.com/javase/7/docs/technotes/tools/share/jstack.html
• Jmap：https://docs.oracle.com/javase/7/docs/technotes/tools/share/jmap.html
• Jinfo：https://docs.oracle.com/javase/7/docs/technotes/tools/share/jinfo.html
• MAT：http://help.eclipse.org/latest/index.jsp?topic=/org.eclipse.mat.ui.help/welcome.html

關注熱點

• Data+AI Summit https://databricks.com/dataaisummit
• Flink Forword https://www.flink-forward.org
• Apache Conference https://www.apachecon.com
• 小型技術 Meetup https://www.meetup.com

問題

閱讀源碼

參與開源社區

參與適合自己的開源社區

大數據技術思維養成經驗

• 數據量永遠比你想象的大

  • 慎用循環、內存
  • 小概率事件一定會發生

• 安全和事故

  • 大權限命令 think twice
  • 不直接從富文本軟件復制指令
  • 工具化/白屏化
  • 永遠都需要灰度
  • 要為你的流量 /quota 留出 buff

• 分布式環境

  • 不一定會在你想象的地方執行
  • 不一定按照你想象的順序執行
  • 每個服務都會掛

使用恰當術語
理清系統需求
從現象到本質
在混沌中找方向
不被技術左右

職場篇

大數據領域未來趨勢和職業方向

技術方向

IOT/實時計算/機器學習/OLAP/數據湖/云原生

職業方向

業務開發/數據建模/數據分析/數據科學/平臺開發/運維

大廠招聘的通用原則和面試技巧

考評原則

• 不過分解讀 JD 和簡歷
  • JD 中或簡歷中出現“負責人”“專家”，不過分解讀，按照實際面試結果評級。
• 不局限背景
  • 候選人沒有直接相關背景并不直接定位不匹配，需額外考察研發能力和軟實力。
• 工作年限的解讀
  • 對口：具有更長工作經驗需考察深度。
  • 不對口：具有更長工作經驗需考察能力和基礎。 ? 技術棧 ? 不要求完成一致，相近即可。

考察內容

• 項目經歷

  • 項目是否能講清楚
  • 是否有深度難度
  • 對項目的原理、背景、未來是否有想法

• 大數據知識

  • 工作年限短的不做要求
  • 一般以通用知識，重點看理解深度和廣度
  • 資深候選人需考察技術細節和專業內容

• 計算機基礎

  • 并發、網絡、Linux 基礎
  • 編程語言基礎
  • Trouble-shooting 基礎

• Coding

  • 基本算法是否掌握，不考偏門復雜算法
  • 代碼風格
  • 是否主動和面試官溝通理清題意
  • 碰到問題是否主動尋求幫助，是否容易放棄

• 軟技能

  • 禮貌準時
  • 溝通順暢
  • 能理解題意
  • 表達有邏輯
  • 不繞圈子
  • 對不了解的事情給出自己的思考

什么樣的候選人才是好的候選人

? 扎實的技術基礎
? 優秀的學習能力和解決問題能力
? 優秀的自驅力及抗壓能力
? 良好的溝通表達
? 不錯的邏輯思維能力
? 對于未來的規劃能力

團隊合作能力
學習能力
溝通能力
邏輯能力
積極性
推動能力

筆試/算法/編程考察意圖和技巧

算法筆試的結果重要嗎

? 是代碼能力，也不是代碼能力。
? 算法筆試沒有一票否決權。
? 寫出來可能不加分，寫不出來可能不減分。

大廠愛出什么編程題

? DFS/BFS/backtrack
? 動態規劃
? 快排堆排
? 鏈表翻轉/二叉樹翻轉

原則：

遞歸的掌握

寫代碼的過程

邊界條件

盡量少的代碼

準備編程題

? leetcode 要刷
? 中等難度典型題目每類5題
? 刷20～30道即可，在精不在廣
? 不可能遇到原題

寫不出來怎么辦

? 不留白
? 寫結構
? 問思路
? 寫思路
? 寫注釋
? 要提示
? 偽代碼
? “裝”認真

職業發展 Q & A

總結

以上是生活随笔為你收集整理的大数据职业规划的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。