1. 提前了解应聘公司信息，知道该公司是做什么的，发展情况，招聘的岗位的要求等；

2、面试不要说自己是培训班出身,个人技能里千万尽量不要体现出学习、了解字样

3、找工作策略：先可以找一些普通公司试试经验，面试几次熟悉套路后，再去面试心仪公司。

4、简历写的不要太多，尤其是项目不用写太细，提前想好可能被提问的点，留一些空间现场聊。

5、不要进入误区，完全依靠培训课程内容还不够，课程内容只是帮助大家完善一个项目和既能，面试考察基本功（数据结构、基础算法）

6、面试的时候要听清问题再回答，可以停顿一段时间再回答。

7、现场面试的话建议要简历，（1）注意礼貌，着装合体（2）辅助描述

8、聪明程度，迂回法；合理利用规则，如电话面试。

9、时间把握 （1）自我介绍 5分钟左右或以内 （2）中间环节，尽可能用项目、工作内容占满。

一、简历

简历是获得面试机会的敲门砖，

1.自我介绍

主要考察应聘者的逻辑思维、语言表达、自我认知等能力。

参考建议：

第一，条理清晰，层次分明，突出与岗位要求相吻合的技能、个人所长、行为风格、实际经验等。

第二，现场表达必须与个人简历所写保持一致。

第三，控制时间，一般不超过 5分钟。

第四，尽量口语化，语言平实可信。

我的建议：提前打好稿子，背熟，注意自我介绍往往时间不需要过长，面试官通过自我介绍了解你的基本情况后，然后展开提问，所以自我介绍中要有吸引面试官的点，去引导面试官提问，以下是我之前观看视频收集的自我介绍模板，每个人情况不一样，仅供参考！

关于校招简历自我介绍模板：

关于社招简历自我介绍模板：

2.项目：

关于项目如何编写亮点、流程，强烈推荐观看以下视频。：

TALKDATA：【终于把项目讲明白了】如何封装简历上的项目？项目亮点怎么写、项目流程如何描述、如何与面试官聊项目_哔哩哔哩_bilibili

注意：根据自己的项目分点展开写，挑重点，内容不宜过多。

3.专业技能模板：

注：主要学会用词搭配，内容根据自己个人情况及招聘岗位删改。

模板1

■语言开发

1.扎实的Java基础，理解IO，多线程，集合，熟练使用Java，Scala进行开发；

2.掌握常用的数据结构和算法，如栈、队列、递归和常用排序算法；

■计算引擎

1)熟练掌握MapReduce的原理和运作流程，对海量的数据进行分析；

2)熟练掌握Spark Core和Spark SQL对离线数据进行相应的分析；

3)熟练掌握Spark Streaming实现对实时数据进行分析；

4)熟练掌握HQL语句的编写，进行业务分析。

■存储工具

2)熟练掌握Hbase的架构，以及相对应组件的工作原理，能够根据业务的不同设计相应的表，并且进行相应的优化，设计相应的二级索引；

3)熟练掌握Redis的工作原理，能够对相应的数据进行快速的操作；

4)熟练掌握MySQL的工作原理，能够使用开发语言进行数据库的连接，熟练的使用SQL语句对相应的业务进行分析。

■相关组件

1)对Hadoop生态圈有详细的理解，能够独立完成Hadoop集群的搭建和 Hadoop系统架构的搭建；

2)熟练掌握HDFS分布式文件系统原理，实现对数据的合理存储；

3)熟练掌握Yarn（分布式资源管理）架构和工作原理，熟悉资源分配的整 个流程；

4)熟练掌握Flume的工作机制，内部的运作流程。实现相应的配置，实现数 据的拉取；

5)熟练掌握Sqoop（SQL-to-Hadoop）的工作的原理，运作流程，实现数据 在各组件之间的传输；

6)熟练掌握Kafka分布式消息队列的架构。能够使用Kafka和Flume结合对 实时数据进行简单的处理；

7)熟练掌握Zookeeper（分布式协作服务）的架构，工作原理；

8)能够使用Oozie（工作流程调度器）进行程序流式运行；

9)掌握Git管理工具。

模板2

■语言

1.Java

•熟悉JVM的垃圾清理机制和调优，理解Java多线程的技术;

•拥有OOP的思想，能够熟练地使用Java语言进行MapReduce以及Spark的开发。

2.能够熟练使用Scala语言进行Spark的业务开发。

3.熟悉Linux命令，能够编写Shell脚本。

4.精通SQL语句，能够进行Hive和SparkSQL的开发。

■框架

1.Hadoop

•熟悉HDFS的读写流程，并能用其进行海量数据的存取；

•熟悉MapReduce的运行流程，并能用其进行海量数据的分析；

•熟悉Hive的原理，能够熟练使用hql语句以及自定义UDF进行Hive的数据分析，能够进行Hive的调优；

•了解ZooKeeper的原理，能够使用ZooKeeper对集群进行协同服务；

•理解HBase的特性，能够使用HBase进行数据的存储，能够完成HBase的表设计；

•熟悉Flume的框架，能够使用Flume实现不同场景下的数据采集；

•熟知Sqoop的原理，能够使用Sqoop实现不同场景下的数据传输。

2.Spark

•熟悉Spark的框架以及Spark任务的执行流程；

•熟悉RDD的属性，能够使用RDD算子进行Spark Core的开发；

•精通SQL，能够进行Hive on Spark以及SparkSQL的开发；

•能够使用Spark Streaming进行实时处理；

•理解消息中间件Kafka的原理与结构，能够完成Kafka与Spark的对接。

■工具

1.熟悉IEDA/Eclipse开发工具，熟悉Git版本控制工具；

2.熟悉数据库连接工具Navicat和Linux系统远程连接工具MobaXterm；

3.熟悉数据仓库建模工具PowerDesigner，能够完成ODS层，DW层以及DM层的设计。

■数据库

1.精通SQL语句，熟悉MySQL数据库；

2.熟悉Redis的数据类型以及常规操作，了解Redis的持久化和主从配置。

■其他

1.熟悉数据仓库的建模，掌握星型模型和雪花模型的设计；

2.了解二叉树、红黑树的排序算法，了解二叉树的遍历算法。

简历模板：

可以使用招聘软件上的在线简历，填写后导出，也可以在专业简历网站上编写，如五百丁、超级简历等，不建议直接在word模板中改，容易出现格式错误。

其他注意事项：

1.简历中的学校课程校招可以选择性填写 ，有社招经验的不需要。

2.简历内容充实时自我评价可不写。

3.简历中的照片可以不加，留神秘感。

4.求职是双向选择。

二、常见问题 三、求职软件

互联网行业首推招聘网站：BOSS、拉勾

注意：一定要在找工作面试前提前写好在线简历，如果简历符合公司要求，HR会主动联系你投递简历。

校招要提前去公司官网投递简历，尽量熟人找内推。

四、知识体系

每个岗位的知识体系不同，这里我熟悉的以大数据为例，知识点很多，但不一要全会，围绕自己简历中技能或项目班包含的技术，挑自己的强项写进简历中。

1.大数据体系

数据采集传输：Flume（进） Kafka（缓冲池） Sqoop（出） Logstash -- ELK Data X -- 阿里

数据存储：

MySQL -- 模拟java后台的数据

HDFS -- Hive

HBase -- kylin，

实时的kv格式数据 Redis -- 缓存 MongoDB -- 前端

数据计算：

Hive -- 底层是mr

Tez -- 基于内存

Spark -- 计算引擎（多表）

Flink -- 支持实时的单条数据处理与批处理（多表，被阿里收购，取名Blink，添加了很多新特性）

Strom -- 实时处理（old）

数据查询：

Presto -- 基于内存（快速查询，Apache）

Druid -- 德鲁伊（只支持单表、宽表查询）

Impala -- 基于内存（快速查询，CDH）

Kylin -- 预计算，预聚合，多维度（国人开发的Apache顶级项目）

数据可视化：

Echarts -- 百度开源，需要绘图，使用难度高

Superset -- 免费开源，适合中小型企业使用，简单轻量

QuickBI -- 收费

Data D -- 收费、酷炫

任务调度：Azkaban Oozie -- CDH内部集成，web页面安装即可

集群监控：Zabbix -- 报警（通过邮件、钉钉、甚至电话通知，属于专业运维使用）

元数据管理 Atlas -- 可以用来管理hive的元数据，形成血缘依赖关系

另外，推荐几个优秀的大数据面试系列博客：

1.《大数据面试题》面试大数据这一篇就够了_abluer~的博客-CSDN博客_大数据面试

五、面经 推荐观看：短时间内准备面试技巧 | 通过大厂面试 | 基础知识、项目和算法

【2个月通过秋招】短时间内准备面试技巧 | 通过大厂面试 | 基础知识、项目和算法_哔哩哔哩_bilibili

面经有时候比你的技能知识储备更重要，通过心仪公司的面经有助于你看准方向，充分应对面试。

牛客网：看面经+刷题

LeetCode算法：进大厂算法必刷

leetcode数据库，适合数据库方向练手

看准网：看面经的同时看公司评价情况。

LeetCodetop100可以参考这篇文章：leetcode笔记（Python版）待更新_GoAl的博客-CSDN博客

六、优秀面试心得总结

算法岗：校招｜一个“普通人”的秋招算法岗上岸心得 - 知乎