版权申明：转载请注明出处。
文章来源：http://bigdataer.net/?p=239
1 .我本人目前有北京某大型互联网公司1名高级数据开发工程师，3年工作经验，1年多的面试官经验。
2 .为什么要写这篇文章？ 面试中经常遇到的情况是，一直专注于写web的Java周期农户突然想把数据做大，写了几个大数据的项目经验来面试，结果听不懂，只是坐上了Hadoop环境，自己就大日子了一般来说，面试失败的我会发过去，给每个人一些建议。 面试候选人一兴奋就要加微信，最后结果没叫几个人，微信朋友多了很多。 这篇文章基本上是一些经验的总结。
3 .正题首先，我个人进入大数据行业也是偶然的。 当时在实习中做了疏忽的星月的Java开发。 之后正式毕业后，我找了Java开发的工作。 我以为和大多数Java猴子一样每天都做增选删除调查，但偶然为了让部门顺利运转，有很大的数据开发离职，数据开发人手不够，领导载了我一程。 刚开始什么Hadoop，也不懂很多HDFS，只会写hive。 毕竟有SQL的基础。 后来，hive发现实现什么很麻烦，开始学习spark。 在网上找的例子，从Wordcount开始，一边写简单的例子一边看《Hadoop权威指南这本书》，不到一周就得到了计算报告数据的工作。 之后，在不断深入的过程中，我想每次读《Hadoop权威指南》这本书都会有不同的体验。 前后读过三四次吧。
总的来说，了解分布式计算的模型就知道如何编写mapreduce。 但如何解决作业优化和数据处理过程中遇到的问题还需要更深入的研究。
如上所述，来面试的有应届毕业生，也有工作了几年的人。 不同的人会给你不同的建议。
3.1我个人认为应届毕业生应该打好基础。 大学本科一般开设数据结构、算法基础、操作系统、编译原理、计算机网络等课程。 这些课程一定学得很好，基础很好学习其他的东西问题也很少，而且在很多大公司的面试中也听说了这些事情。 如果你准备从事IT行业，这些东西对你很有帮助。
要说学习什么语言，我认为对大数据行业来说，Java更多。 如果你有时间感兴趣，可以学习scala。 这个语言写spark很棒。
集群环境一定要团结。 有条件可以制作小的分布式集群，没有条件的话可以在自己的电脑上安装虚拟机制作伪分布式集群。 可以充分了解Hadoop，制作实际的东西。 你踩坑的都是你的宝贵财产。
然后，试着写下数据计算中常见的去除重量、排序、表关联等操作。
对我来说，面试应届毕业生的时候会听基础。 笔试大多在数据结构和算法方面，基础很好，有一定大数据方面的经验，基本上都会过。
3.2有工作经验想跳槽的主要考察有三个方面，一是基础，二是学习能力，三是解决问题的能力。
因为基础经过了很好的考察，所以完成几个问题就知道基本上是什么水平了。
果然学力非常重要。 果然写Javaweb和写mapreduce是不同的。 大数据处理技术目前有很多种，而且企业使用的时候也不是只使用一种，还有一个行业发展很快，需要经常学习新的东西并融入实践。
解决问题的能力比任何时候都重要，在数据开发中特别重要。 我们经常面临很多数据问题。 例如，最终生成的报告数据不匹配。 一般来说，最终的数据来源于很多原始数据，中途大多进行了n以上的处理。 要求对数据敏感，把握问题的本质，追根溯源，能够在尽可能短的时间内解决问题。
基础知识很好，跳槽前两周复习一下就可以了。 学习能力和解决问题的能力要在平时的工作中多锻炼。
招募的最低条件是以上三点。 如果你工作日自学大数据的话，会是个好点。
以上是个人的经验和见解。 希望能帮上忙。 当然，这并不完全正确。 如果你觉得不合适，请评论。 哈哈。
最后，祝大家能找到满意的工作！
更多文章请关注微信1公众号：bigdataer