虾皮 大数据开发工程师面试题精选：10道高频考题+答案解析（附PDF）

虾皮简介

虾皮（Shopee）是东南亚领航电商平台，覆盖新加坡、马来西亚、菲律宾、泰国、越南、巴西等十余个市场。作为Sea集团旗下核心业务，虾皮在深圳、北京、上海等地设有研发中心，技术栈以Java、Go、Python为主，大数据平台基于Hadoop、Spark、Flink等开源技术构建。虾皮大数据团队负责电商全链路数据体系建设，包括用户行为分析、商品推荐、供应链优化、风控系统等核心业务。面试风格注重工程实践与业务场景结合，常考数据倾斜优化、实时计算架构、数仓建模等实际问题。

题目1：请介绍你实习中负责的数仓数据流向及核心业务场景

题目描述：面试官想了解你对大数据项目整体架构的理解，以及如何将技术应用于实际业务。

答案要点：

数仓数据流向通常遵循分层架构：ODS层（原始数据层）→ DWD层（明细数据层）→ DWS层（汇总数据层）→ ADS层（应用数据层）。ODS层负责采集原始日志和业务数据，DWD层进行数据清洗和维度退化，DWS层按主题域聚合，ADS层直接支撑业务报表和API服务。

核心业务场景包括用户行为分析（点击、浏览、购买路径）、商品推荐（协同过滤、实时排序）、供应链优化（库存预测、物流调度）、风控系统（异常交易检测）。以电商场景为例，需要处理日均数亿条用户行为日志，通过Flink实时计算用户兴趣标签，支撑秒级商品推荐。

扩展提示：回答时要突出业务价值，比如"通过实时数仓优化，将用户行为分析延迟从小时级降到分钟级，支撑了大促期间的实时营销决策"。

题目2：详细说明一个具体业务模块，包括所用技术栈与上下游用户

题目描述：考察你对具体项目的深入理解和系统设计能力。

答案要点：

以"用户画像系统"为例，技术栈包括：数据采集层（Kafka+Flume）、存储层（HDFS+HBase）、计算层（Spark+Flink）、查询层（ClickHouse+Redis）。上游是用户行为埋点系统和订单系统，下游是推荐系统和营销平台。

具体实现：通过Kafka接收用户行为事件，Flink实时计算用户标签（如"高