一：注意事项

写简历注意事项（准备两份，一份发给别人的，一份留给自己的）

1.薪资要写的高一些

2.工作经历：一般在一个公司待两年，少于两年的话，d W U可能就会问

为什么f o ] ( 6离职？（不要说上一家公司的坏处），

你在我这里能待多长时间？

人事可能会问其他的问题你的优点是什么？你的缺点是什么？（晚上睡觉比较晚，喜欢加班，平时比较懒…）

3.如果有工作经验，s K U 人家可能会问离职了么？有没有离职证明？（主要是公司怕吃官司，有q + q }了离职证明就没事了，哪怕离职证明是假的）

4.职业技能如何写？

要把特别强的项目放在前面，前面两个可以写精通和掌握的（hive的分桶，hive( t u +如何处理数据倾斜的，hive的f * Z压缩格式，hive的动态分区），后面写熟悉的，把工作的内容限定在一个小框框内，其他的就是了解，知识体系应该是T型的人家一问都答不上来（不要让面试官觉得什么都会，什么都答不上来），重d O + c %要的是大数据的框架，存储(Redis)，ETL的存储，这些东西要弄通透（比如数据清洗–>对于hive很熟，或者hbase），R语言，Python,Flume等问题不大，都是小问题，可以分成几个大的模块A y H g i W r或者树形结构，一定要把重要的熟练的放在前面（类似java多线程io编程等），不太好的放在后面

在中国和国外的面试是不一样的，在中国面试的时候是多少，进去就是X u A i多少，如果不是太水的话，是不会让你出来的，但是在国外就不8 p S r L 6 o一样了，在中Q D W Q # 国就是一锤子买卖。

要夸大优化，不要写的太普通，要与众不同，写简历里面要有卖点，简历中挖坑，让别人去问。面试的时候不管说的对还是? 6 i $ Y 错，都要说的斩钉截铁。（为什么你这个跑的这么慢呢？服务) 3 Y D i K器配置比较low,业务比较复杂，没有做优化M Q G x H。为什么跑的这么快？我服务器配置好，业务简单，优z v t 9 E化的好）

大的公司会问一些思考的问题，小公司问一些填空题。

面试的时候就是一个心态，两个8 i a人是聊技术，是沟通，是交流，不要Q u V A让面试官老问我，如果回答的结结巴巴，L O P K a ? { F移到Hadoop集群o $ W。

3.前期的测试时直接从甲方拿的硬盘，系统开发完成后，专门派人过去做实施。

4.ftp传输，慢。实时性强的需求做不了。

flume+kafka +storm/sp/ M | 4arkstreaming

kafka+fluk m { c - _ 5 5me +sparkstreaming

比如说，日活10w，需要1w台服务器来支撑。

一般情况下，我们需要部署3W台服务器4 u R = ( t。

数据采集：Flume NG Logstash sqoop

数据存储：HDFS HBase Hive Kafka

数据分析：Hive MR Spark streaming SQL Storm

数据展示：Echarts Excei % } J @ a l表格

网站点f A E F H击流项目：

项目名称：可以写一些电商网站，旅游网站，APP的名称。名称尽量高大点！！不要带网站的名字。但是我们需要了解这家网站的主营业务j i % Y，网B ` h - B V }站不能4 , { F是淘宝，京东，亚马逊这些大网站，尽量找一些中小型的网站。

找一些不是很出名，但是网站看着还是很正规的电商平台。

ASS(B2B电商网站用户行为智能分析系统)

用户Session智能分析平台

项目所用技术：Flume/logstash,HDFS,MapReduce/Spark,Hive/SparkSQL/impala(交互式查询，速度快，基于内存),

Mysql,Sqoop,Zookn n 2 - S 1 aeeper,SSH。

每一个框架的版本。

CDH还是HDP，不可能用Apache的。

CDH，f Z B A M版本l M w * F | u X .5.3~5.12s X d v | v T &，选一个记住。5.8

HD, B R 4P，版本2.4~2.8，选Y A x ` O Z U一个记住。2.6

项目周期：写好日z _ + u c期，2019.6-2020.1。时间是6-8个月。

1. 项目分析：讨论项目的需求，以及架构的选择，不只是选择框架，还要选择版本，因为版本的更迭，导致功能的不断完善，我们的项目中可能会用到某些功能。
2. 搭建集群：1~2周。7台机器，搭建完成，下午开会，需求改了， 集群版本不一样了，rm -rf /n , 0 D S f r B 7opt/*
3. 项目开发：5个月。一部分时间是你自己做开发的，一部分时间是修改自己写下的bug9 p B 6 * M，一部分时间是打滑的。项目进行到一半，项目经理百分之百会给你改个需求，或者加需求，或者要求优化你的程序。
4. 代码审核：我们写好的代码，要讲。一周或者两周进行一次代码审核。

项目架构：flume+HDFS+MR+HDFS+Hive+sqoop+mysql

项 ] ` F ( E @目描述：主要就是指标：

职责描述：

集群搭建+集群维护+需? _ = + , c : $ V求分析+hive优化+架构选型

1.将Nginx中的网站原始日志使用flum$ d ? H K ? Oe采集到HDFS中，通过shell脚本定时监控。

2.通过MRjob清洗脏数据，并对Session进行局部聚合，解决聚合中发生的数据倾斜问题r w q R d。

3.用hive进行网站的pv，uv，用户注册数，用户留存率进行多维度分析统计

集群规模：

数据量50G，4 5千万条数据

服务器配置1：5/7个，CPU 8/16核，内存 48G/64G

服务器配_ n H e 7 N P置2：12台，CPU8核，内存24G

建模就是指的创建表，为了后期写hql脚本分析数据r 5 Y P M q [。一个好的模A E 4 l $ K型，能让你事半功倍。

首先整理表：几张表，表的名; W H p # g %字，18_log_user_viesit_sys_…_logtaR k H b _ + xble,内容，也就h O Y 7 T I是字段大概其有些什么。

别人可能会问你，为什么这样建立这个模型，z S q 5 V ?为了方便我们后期写sql进行分析。具体的举M j R一个例子

XX网站指标：至少十五个稍微复杂点的指标，不算常见的这些PV，UV，转化率这些指标。

要求是，知1 @ X {道怎么算出来的，并且sql的关键字要记住。

框架的版本。

1)基础分析（PV,IP,UV）

 趋势分析：根据选定的时段，提供网站流量数据，通过流量趋势变化形态，为您分析网站访客的访问规律、网站发展状V r # k ~ 5 t况提供参考。

 对比分析：根据选定G k % r 5的两个对比时段，提供网站流量在时间上的纵向对比报表，帮您发现网站发展状况、发展规律、流量变化率等。

 当前在线：提供当前时刻站点上的访客量，以及最近15分钟流量、来源、受访、访客变化情况等，方便用户及时了解当前I z - R网站流量状况。

 访问明细：提供最近7日的访客访问记录，可按每个PV或每次访问行为（访客的每次会话）显示，并可按照来源、搜索词等条件进行筛选。 通过访问明细，用户可以详细了解网站流量的累计过程，从而为用户快速找出流量变动原因提供最原始、最准确的依据。

来源分析

 来源分类：提供不同来源形式（直接输入、搜c G 3 v索引擎、其他外部链接、站内来源）、不同来源项引入流量的比例情况。通过精确的量化数据，帮助用户分析什么类型的来路产生的流量多、效果好，进而合理优化推广方案。

 搜索引擎：提供各搜索引擎以及搜索引擎子产品引入流量的比例情况。从搜索引擎引入流量的的角度，帮助用户了解网站的SEO、SEM效果，从而为制定? d W下一步SEO、SEM计划提供依c f 7据。

 搜索词：提供访客通过搜索引擎进入网站所使用的G / (搜索词，以及各搜索词引入流量的特征和分布。帮助用户了解各搜索词引入流量的质量，进而了解访客的兴趣关注点、网站与访客兴趣点的匹配度，为( d A f 4 : (优化SEO方案及SEM提词方案提供详细依据。

 最近7日的A # Y 6 E L d 4访客搜索记录，可按每个PV或每次访问行为L ? ! R（访客的每次会话）显示，并可按照访客类型、地区等条件进行筛选。为您搜索引擎优化提供最详细的原始数据。

 来路域名：提供具体来路域名引入流量的分布情况，并可按“社会化媒F z U m 7 B体”、“搜索引擎”、“邮箱”等网= Y C站类型对来源域名进行分类。 帮助用户了解哪类推广渠道产生的流量多、效果好，进而合理优化网站推广方案。

 来路页面：提供具体来路页面引入流量的分布情况。 尤其对于通过流量置换、包广告位等方式从其他网站引入流量的用户，该功能可以方便、清晰地展现广告引入的流量及效果，为优化推广方案提供依据。

 来源升降榜：提供开通统计后任意两日的TOP10000搜索词、m U O f y n H来路域名引入流量的对比情况，并~ : + G 2 = ( )按照变化的剧烈程度提供排行榜。 用户可通过此功能快速找到哪些i , 5 Z m来路P n s + + _ T (对网站流L S O I ) g R量的影响比较大，从而及时排查相应i q z - s ) ^ b营成效。

 受访页面：提供访客对网站中各个页面* l _ ^ `的b 6 ; (访问情况。 站内入口页面为访客进入网站时浏览的第一个页面，如果入口页面的跳出率较高则需要关注并优化；站内出口页面为访客访问网站f v C ^ Y 8 Z (的最后一个页面，对于离开率较高的页面需要关注并优化。

 受访升降榜：提供开通统计后任意两日的TOP10000受访页面的浏览情况对E R E ,比，并按照变化的剧烈程度提供排行榜。 可通过此功能验证经过改版的页面N D A ) L是否有流量提升或哪些页面有巨大流量波动，从而及时排查相应问题。

 热点图：记录访客在页 Q , r } E i面上的鼠标点击行为，通过颜色区分不同区域的点击热度；支N Q 7 4 ( } @ m持将一组页面设置为”关注范围”，并可按来路. f # p 8 0 y细分C E 7 I i j点击热度。 通过访客在页面上的点击量统计，可以了解页面设计是否合理、广告位的安排能否获取更多佣金等。

 用户视点：提供受访页~ r J ~ S y $面对页面上链接的其他站内页面的输出流量，并通过输出流量的高低绘制热度图，与热点图不同的是，所有记录都是实际打开了下一页面产生了浏Q / ^ D 览次数（PV）的数据，而不仅仅是拥i W J 6 @ p Q有鼠标点击行为。

 访问轨迹：提供观察焦点页面的上下游页面，了解访客从哪些途径进入页面，又流向了哪里。 通过上H ~ : n _ $ 6游页$ t 1面列表比较出& A / !不同流量引入渠道的效果；通过下游页面列表了解用户的浏览习惯，哪些页面元素、内容更吸引访客点击。

4)访客分析

 地区运营商：提供各地区访客、各网络运营商访客的访问情况分布。 地方网站、下载站等与地域性0 q p i a K a _、网络链路等结合较为紧密的网站，可以参考此功能数据，合理优化推广运营方案。

 终端详情：提供网站访客所使用的浏览终端的配置情况。 参考此数据进行网页设计、开发，可更好地提高网站兼容性F 0 a 8 ! ` z，以达到良好的用户交互体验。

 新老访客：当日访客中，历史上第P T v X | % # L一次访问该网站的访客记为当日新访客；历史上已经访问过该网站的访客记为老访客。 新访客与老| U C y T r访客进入网站的途径和浏览行为往往存在差异。该功能可以辅助分析不同访客的行为习惯，针对不同M , { # ` 5 @ O u访客优化网站，例如为制作新手导航提供数据支持等。

 忠诚度：从访客一天内回访 a Q / % ! ) N网站的次数（日访问频度）与访客上次访问网站的时间两个角度，分析y P f m 0 f i s 6访客对网站的访问粘性、忠诚度、吸引程度。5 & 4 x 3 5 w ? 由于提升网站内容的更新频率、增强用户体验与用户价值可以有更高的忠诚度，因此该功M 6 & t V能在网站内容更A R h { /新及用户体验方面提供了重要参考。

 活跃度：从访客单次访问浏览网站的时间与网页数两个角度，分析访客在网站上的活跃程度。 由于提升网站内容的质量与数量可以获得更高的活跃度，因此该功能是网站内容分析的关键指标之一。

5)转化路径A ; V L Z y J分析

转化定义

访客在您的网站p ~ 9 Y d y完成了某项您期望的活动，记为一次转化，如注册或下] & r W ^ 5 8载。

目标示{ 1 T a例

获得用户目标：在线注W V # i * - A u册、创建账号等。

咨询目标：咨询、留& { $ J言、电话等。

互动目标：视频播放、加入购物车、分享等。

收入目标：在线订单、付款等。

转化数据的应用

在报告的自定义指标中勾选转化指标，实$ j Y P k时掌握网站的推广及运营情况。

结合“全部来源”、“转化路径”、“页面上下游”等报告分析访问漏斗，提高转化率。

对“转化目标”f c ; C J ] #设置价值，预估转化收益，衡量ROI。

路径分析：根据设置的特定路O S H 1 = { 5 V p线，监测某一流程的完成转化情况，算出每步的转换率和流失率数据，如注册流程，购买流程等。

Hive分析电商指标：

第一W I w 3 m $ o V步(筛选Session)：

1.搜索过某些关键词的用户

2.访问时间在g l |某个时间段内的用户

3.年龄在某个范围内的用户

4.职业在某个范围内8 D f . k h的用户

5.所在某个城市& C *的用户

第二步：

1.统计出符合条件的session中，访问时长在1s3s、4s& ; 6 E Y 3 T6s、7s9s、10s30s、30s60s、1m3m、3m10m、10m30m、30m以上各个范围内的session占比；访问步长在13、46、79v g / # w 8 _、1030、30~60、60以上各个范围内的ses7 v G B Psion占比

session访问时长，也就是说一个sessioe g In对应的开始的action，到结束的action，之间的时间范围；还有，就是访问步长，指的是，一个session执行期间内，依次点击过多少个页面，比如说，一次session，维持了1分钟，那么访问时长就是1m，然后在这1分钟内，点击了Y w v | ^ #10个页面，那么session的访问步长，就是10.

2.获取点击、下单和支付数量排名前10的品类

计算出所有这些session对各个品类的点击、下单和支付的次数，然后按照这三个属性进行排序，Y + ( . | d获取前10个品类。

3.获取排名前十的商品品类中点击量最多的三个session。

以上就是我n a 4 I整理的一些大数据简历注意事项以及项目部分，关注我，每日分享更多E j P N u ^ ` A大数据的各种干货！