大数据方向招人难啊！！
金三银四，铜五铁六，今年快过去一半了，团队的动荡也接近了尾声，这半年的时间里我面试了大数据方向上百位候选人（主要负责二面或三面），包括实习生、中级工程师、高级工程师、架构师，最大的感受是做大数据这一行的人真的是越来越多了，五六年前大数据招人还得从 Java 开发工程师里面捞人，苦口婆心地劝候选人转方向，现在一个岗位就有上百人号人竞争，我本以为这样的大环境下候选人会准备地更充分，质量会更高，但是我还是花了半年时间，面试了上百人才捞到合适的候选人。
招人的标准这些年一直没变，目标就是找到一个能干活的人，那么怎么判断候选人能否干活，就大体上衍生出了以下这些维度：
- 代码能力
- 底层原理（技术深度）
- 问题定位（实践能力）
- 系统优化（实践能力）
- 架构设计（大局观）
- 理解表达（沟通能力）
- 项目复杂度、参与度、业务理解（综合能力）
根据不同的职级，会有不同的要求，比如实习生重点考察基础，包括原理和代码能力等，对于项目或者系统设计方面要求可以降低；高级工程师在上述某一两项上可以有些取舍，但是对于架构师来说则必须每一项都得达到80分以上。
代码能力是最最基础的，毕竟招聘的是一个程序员，所以很多大厂面试二话不说先来几道 leecode 把场子热起来，力扣是最省事，最容易考察到候选人编码能力的一种方式，所以建议想要进大厂的小伙伴有事没事刷几道力扣，保持一下状态，不要等到真的要跳槽了才匆匆忙忙开始刷。
底层原理就是大家私底下常吐槽的“八股文”，比如：HBase 的读写流程、Spark 的内存管理机制、 Flink 的一致性原理 等等等等，吐槽归吐槽，背还是得背的，边理解边背诵可以事半功倍。也可以关注一下我去年写的专栏《详解大数据面试核心知识》，可能是最全的大数据面试“八股文”了，有兴趣可以去订阅下。
问题定位和系统优化能力考察的是实践能力，光会吹原理还不够，还得会动手，比如线上 Spark 跑得慢了得知道怎么去定位问题，怎么分析日志或者dump文件，定位到问题之后还得知道怎么去优化，得有一套自己总结的问题定位和解决优化方法论，防止人招进来之后遇到问题像无头苍蝇一样。
系统设计能力考察的是候选人的大局观，比如设计一个数据治理平台，需要考虑这个平台是解决哪些问题的，开发需要多少人力成本，如何管理功能的版本迭代，还有对于平台本身的功能来说，如何管理元数据，如何制定数据质量标准，如何定义指标，如何做前端展示，以及这个平台可能对数仓 ETL 造成的影响等等，对于这些问题都要能够把握住。
项目是重中之重，上面所说的所有的能力其实都是为项目服务的，如果在一个项目中，候选人从业务的调研、架构的设计，到技术的选型、核心代码的研发，再到后期线上问题的定位、系统的优化迭代等完整的流程都深度参与，且每个步骤都踏踏实实地完成，了解每一个细节，有自己的思考，并形成了一套自己的方法论，那么这样的候选人谁会拒绝呢？
上面所说的这些维度一轮问下来就造成了“半年面试上百人，通过者寥寥无几”的场面。写上面的内容不是想要吐槽什么，而是希望能够给需要面试的小伙伴一些启发，少走一些弯路，更好地应对面试。
另外，这半年的面试经历也遇到了不少让人哭笑不得的事件，比如：
- 被候选人反问 ：“知道原理有什么用？网上一堆答案我为什么要硬背下来？”（因为你在面试啊）
- “这个问题我之前知道的，但是我忘了。”（。。。）
- “做大数据为什么要问Java？”（。。。）
- 当我问到如何优化时，答到：“我做优化都是直接百度的，然后一个一个试的”（可不可以不要那么诚实）
- 面试前和HR沟通要涨薪30%，面试后：“稍微有一些涨幅就可以了”。
- 候选人反问环节：“如果大数据方向在未来消失了，我们该怎么办”（小伙操心的东西还不少）
关于面试如果有其他疑问可以在后台留言，关注公众号：老蒙大数据，欢迎持续关注后面的文章更新。
