a*****s
发帖数: 1121 | 1 上周五的onsitee，只刷过三道leetcode题目，硬着头皮上了。免得是大数据platform
组SMTS，挂了，不知道谁黑的。
一个俄国小哥：
比较热情， 先问了stack用linklist和array实现的优缺点，然后问了如何用二维数组
存储神经网络，比较耐心的引导类型，最后时间没有了，就只讨论了一下为什么这么做
。俺提出了一些可能的；
印度人：
上来很详细的问了以前的做的东西，HIVE如何转化成TEZ的，TEZ和MAPREDUCE的性能区
别，Slider提交任务需要那三个文件，我说就是三个json文件关于资源请求，可执行文
件等等，半年前作的实在记不清了，他解释说是metainfo.xml， 和两个json文件，俺
就极力说服他，please检查slider的apache JIRA buglist，现在俺还有几个ticket要
解决，他说他会。没让写code
一个国人伯克利小伙子：
随便问了问以前的项目，然后让做题， 给两个string，一个str1，一个str2，找出
str1里所有的str2
出现的第一个位置：比如ababab，ab那么返回数组［0，2，4］。先让写testcase，都
写出来了，提示我有一个情况没写，俺解释说已经出现过了。然后坑坑粑粑的写完了程
序，时间到了，他说程序没问题
跟经理吃饭，behavior问题
美国人：
问了一个给定一分，二分，五分的硬币，如何给一个数字x，那么如何用最少的coin来
表示x：
俺分析了greedy algorithm，先跟5分取余，在跟2余，在1余，把除数加起来就是了。
然后改成1分，3。5分，5分，如何做？俺先想了probablilty的决策树，然后被direct
回图论，后来就是BFS，然后俺提出了一些优化方案，比如，如果跟3.5取余还有.5余数
，那么这一个分支就不用traverse了。
国人大哥：
系统设计：一个threadpoolexecutor的queue很多put，dispatcher在get，如果put很多
怎么办，要写个method，一个是put一个是get，俺先想了如果queue full了需要那么
put方法sleep，sleep时间可以采用fabnacci数列，但是有最大值限制，达到最大值后
再返回，因为queue的访问服从possion分布，后来问如何马上让put的线程知道。我说
我们可以用wait和notifyall，但是没用过，他比较nice的说这个很简单，但是你没用
过，我们问个别的吧。
问了个string permutation问题，
a：
ab： ab，ba
abc： abc，acb，cab，bac，bca，cba
俺给了recursion方法，花的时间有点久，后来写的没时间了，跟他想的方法不太一样
，但是equavilent。
经理：
设计题：
1.如果slider提交的container继续trigger AM，那么YARN的RM会不会负责fault－
tolerance，答案是如果这个container提交AM时通过slider， yes，如果不是，NO。
2. 使用YARN＋SLIDER，如何保证applicationMaster是可以trace的，如果发生failure
，如何再次找到AM。刚开始俺说你保存到数据库，后来发现他问的是同一个
application，就告诉他说，YARN的RM会提供RESTAPI，直接用applicationID就可以找
到application master的host地址和port，YARN命令行也可以。他问为啥之前没想到
RESTAPI，俺说没理解你问的是同一个application
3. 给一个系统，如何准确的找出第一百万个用户click。
俺先系统的给了一个设计三角形，定点依次是：时间，空间和精确度，告诉他，图灵机
的设计如果需要节省时间，那么需要牺牲空间和精确度，对于需要节省空间和提高精确
度类似。当然时间是有最小值的，不是完全能用空间和精确度来trade的。等等。 然后
开始设计。
俺提供了如下方案：
a. memcache 或是redis类似的分布式kv数据结构。
b. 分布式系统的同步方法，就是第一个发送自己的数量和一个atomtic
incrementalvalue，然后第二个收到后，加上自己的数，再increase the 个counter，
以此类推。他说如果网络如果很忙，cluster足够大，俺就说，你是不是想减少通信次
数，就提供了MPI使用的REDUCE机制只需要log（n）步，然后他加入了failure，俺说那
可能需要加入冗余, 因为failure的基本解决原则就是冗余。
c. 后来又提出可以在前端loadbalancer内部加入cache，几集cache, write back or
write through等方法的优劣。
今天给经理发信，说是挂了，没给原因，大家帮忙分析一下为啥，谢谢。 |
l******n
发帖数: 648 | 2 我觉得你回答的很不错
要不是有刷题把这个bar弄的这么高
你这经验没问题
platform
【在 a*****s 的大作中提到】
: 上周五的onsitee，只刷过三道leetcode题目，硬着头皮上了。免得是大数据platform
: 组SMTS，挂了，不知道谁黑的。
: 一个俄国小哥：
: 比较热情， 先问了stack用linklist和array实现的优缺点，然后问了如何用二维数组
: 存储神经网络，比较耐心的引导类型，最后时间没有了，就只讨论了一下为什么这么做
: 。俺提出了一些可能的；
: 印度人：
: 上来很详细的问了以前的做的东西，HIVE如何转化成TEZ的，TEZ和MAPREDUCE的性能区
: 别，Slider提交任务需要那三个文件，我说就是三个json文件关于资源请求，可执行文
: 件等等，半年前作的实在记不清了，他解释说是metainfo.xml， 和两个json文件，俺
|
b**********5
发帖数: 7881 | 3 workday 要屁个大数据？？！！
现在面经， 越来越难。。。 |
e***a
发帖数: 1661 | 4 Although LZ has plenty of experience,
probably the hiring bar is becoming very high only for Chinese. |
a*****s
发帖数: 1121 | 5 多谢牛肉姐鼓励。
【在 b**********5 的大作中提到】
: workday 要屁个大数据？？！！
: 现在面经， 越来越难。。。
|
a*****s
发帖数: 1121 | 6 另外他家说不给办H1b，只办transfer。希望对后来人有帮助。 |
f*******r
发帖数: 976 | 7 Move on. 祝LZ早日拿大offer
上周五的onsitee，只刷过三道leetcode题目，硬着头皮上了。免得是大数据platform
组SMTS，挂了，不知道谁黑的。
一个俄国小哥：
比较热情， 先问了stack用linklist和array实现的优缺点，然后问了如何用二维数组
存储神经网络，比较耐心的引导类型，最后时间没有了，就只讨论了一下为什么这么做
。俺提出了一些可能的；
印度人：
上来很详细的问了以前的做的东西，HIVE如何转化成TEZ的，TEZ和MAPREDUCE的性能区
别，Slider提交任务需要那三个文件，我说就是三个json文件关于资源请求，可执行文
件等等，半年前作的实在记不清了，他解释说是metainfo.xml， 和两个json文件，俺
就极力说服他，please检查slider的apache JIRA buglist，现在俺还有几个ticket要
解决，他说他会。没让写code
一个国人伯克利小伙子：
随便问了问以前的项目，然后让做题， 给两个string，一个str1，一个str2，找出
str1里所有的str2
出现的第一个位置：比如ababab，ab那么返回数组［0，2，4］。先让写testcase，都
写出来了，提示我有一个情况没写，俺解释说已经出现过了。然后坑坑粑粑的写完了程
序，时间到了，他说程序没问题
跟经理吃饭，behavior问题
美国人：
问了一个给定一分，二分，五分的硬币，如何给一个数字x，那么如何用最少的coin来
表示x：
俺分析了greedy algorithm，先跟5分取余，在跟2余，在1余，把除数加起来就是了。
然后改成1分，3。5分，5分，如何做？俺先想了probablilty的决策树，然后被direct
回图论，后来就是BFS，然后俺提出了一些优化方案，比如，如果跟3.5取余还有.5余数
，那么这一个分支就不用traverse了。
国人大哥：
系统设计：一个threadpoolexecutor的queue很多put，dispatcher在get，如果put很多
怎么办，要写个method，一个是put一个是get，俺先想了如果queue full了需要那么
put方法sleep，sleep时间可以采用fabnacci数列，但是有最大值限制，达到最大值后
再返回，因为queue的访问服从possion分布，后来问如何马上让put的线程知道。我说
我们可以用wait和notifyall，但是没用过，他比较nice的说这个很简单，但是你没用
过，我们问个别的吧。
问了个string permutation问题，
a：
ab： ab，ba
abc： abc，acb，cab，bac，bca，cba
俺给了recursion方法，花的时间有点久，后来写的没时间了，跟他想的方法不太一样
，但是equavilent。
经理：
设计题：
1.如果slider提交的container继续trigger AM，那么YARN的RM会不会负责fault－
tolerance，答案是如果这个container提交AM时通过slider， yes，如果不是，NO。
2. 使用YARN＋SLIDER，如何保证applicationMaster是可以trace的，如果发生failure
，如何再次找到AM。刚开始俺说你保存到数据库，后来发现他问的是同一个
application，就告诉他说，YARN的RM会提供RESTAPI，直接用applicationID就可以找
到application master的host地址和port，YARN命令行也可以。他问为啥之前没想到
RESTAPI，俺说没理解你问的是同一个application
3. 给一个系统，如何准确的找出第一百万个用户click。
俺先系统的给了一个设计三角形，定点依次是：时间，空间和精确度，告诉他，图灵机
的设计如果需要节省时间，那么需要牺牲空间和精确度，对于需要节省空间和提高精确
度类似。当然时间是有最小值的，不是完全能用空间和精确度来trade的。等等。 然后
开始设计。
俺提供了如下方案：
a. memcache 或是redis类似的分布式kv数据结构。
b. 分布式系统的同步方法，就是第一个发送自己的数量和一个atomtic
incrementalvalue，然后第二个收到后，加上自己的数，再increase the 个counter，
以此类推。他说如果网络如果很忙，cluster足够大，俺就说，你是不是想减少通信次
数，就提供了MPI使用的REDUCE机制只需要log（n）步，然后他加入了failure，俺说那
可能需要加入冗余, 因为failure的基本解决原则就是冗余。
c. 后来又提出可以在前端loadbalancer内部加入cache，几集cache, write back or
write through等方法的优劣。
今天给经理发信，说是挂了，没给原因，大家帮忙分析一下为啥，谢谢。
【在 a*****s 的大作中提到】
: 上周五的onsitee，只刷过三道leetcode题目，硬着头皮上了。免得是大数据platform
: 组SMTS，挂了，不知道谁黑的。
: 一个俄国小哥：
: 比较热情， 先问了stack用linklist和array实现的优缺点，然后问了如何用二维数组
: 存储神经网络，比较耐心的引导类型，最后时间没有了，就只讨论了一下为什么这么做
: 。俺提出了一些可能的；
: 印度人：
: 上来很详细的问了以前的做的东西，HIVE如何转化成TEZ的，TEZ和MAPREDUCE的性能区
: 别，Slider提交任务需要那三个文件，我说就是三个json文件关于资源请求，可执行文
: 件等等，半年前作的实在记不清了，他解释说是metainfo.xml， 和两个json文件，俺
|
I*******x
发帖数: 69 | 8 确实是这样的，在career fair上明确说的。
【在 a*****s 的大作中提到】
: 另外他家说不给办H1b，只办transfer。希望对后来人有帮助。
|
h**********a
发帖数: 562 | 9 lz,我小声提醒一下哈，那个硬币的问题，你那种解法不对滴，该用dp的。
http://www.mitbbs.com/article_t/JobHunting/33076895.html
还有那个国人大哥的系统设计：一个threadpoolexecutor的queue，这个是不是问的多
线程下面的同步机制啊，比如说拿信号量或者条件变量实现生产者和消费者问题？ |
e***a
发帖数: 1661 | 10 Has the big-data job market been saturated? |
|
|
a******e
发帖数: 82 | 11 同感，感觉lz把有些问题想得过于复杂了。
【在 h**********a 的大作中提到】
: lz,我小声提醒一下哈，那个硬币的问题，你那种解法不对滴，该用dp的。
: http://www.mitbbs.com/article_t/JobHunting/33076895.html
: 还有那个国人大哥的系统设计：一个threadpoolexecutor的queue，这个是不是问的多
: 线程下面的同步机制啊，比如说拿信号量或者条件变量实现生产者和消费者问题？
|
g*******e
发帖数: 107 | 12 硬币问题的第一个没看出什么问题呀。但第二问应该是dp问题，可以转化为有weight 1
:2:1的2, 14, 10的背包问题？
[发表自未名空间手机版 - m.mitbbs.com]
【在 h**********a 的大作中提到】
: lz,我小声提醒一下哈，那个硬币的问题，你那种解法不对滴，该用dp的。
: http://www.mitbbs.com/article_t/JobHunting/33076895.html
: 还有那个国人大哥的系统设计：一个threadpoolexecutor的queue，这个是不是问的多
: 线程下面的同步机制啊，比如说拿信号量或者条件变量实现生产者和消费者问题？
|
a*****s
发帖数: 1121 | 13 dp的前提是：全局可以拆成可重复的局部，局部最优可以导致全局最优，其实也是
greedy algorithm的思想。
如果是5，2，1的话，个人认为是没有问题的，但是加入3.5就有问题了。不知道是不是
符合你的想法。
那个设计题，国人大哥直接跟俺说了时用wait和notifyall的，不含糊。个人觉得这位
大哥很值得俺尊敬。
【在 h**********a 的大作中提到】
: lz,我小声提醒一下哈，那个硬币的问题，你那种解法不对滴，该用dp的。
: http://www.mitbbs.com/article_t/JobHunting/33076895.html
: 还有那个国人大哥的系统设计：一个threadpoolexecutor的queue，这个是不是问的多
: 线程下面的同步机制啊，比如说拿信号量或者条件变量实现生产者和消费者问题？
|
a*****s
发帖数: 1121 | 14 谢谢大家回复，后来知道是culture不match，希望提醒一下大家，不同的公司风格不同
。有些公司喜欢不断深入讨论，给出不寻常解法的人，注重思维过程和火花的并发；有
些公司希望你低调一点，不知道就老实说不知道，要学会给足人家面子；有些介于两者
之间。
但是俺自己也检讨自己，可能有时候太过强势，太想跟别人探讨问题，怀疑一切（读
PHD的后遗症），导致别人感情上不舒服，也是很有可能的。毕竟不是谁都能接受别人
的频繁质疑并乐在其中的。
希望对后来人有所帮助吧。继续努力刷题了。呵呵。 |
e***a
发帖数: 1661 | 15 which company do u work for now? |
h**********a
发帖数: 562 | 16 5,2,1可以，换成别的数不可以，所有说，greedy不work啊！我们写代码当然要解决一
类问题啦:).换个数字比较说明问题，假如给你1,5,15，20和25，要想得到40，哪种组
合？按照greedy就是1个25，1个15,1个5，一共就是3个硬币。但是2个20的用的更少，2
个更少。所有必须遍历所有能凑成40的组合，才能得到最优。greedy给出的解，用的硬
币肯定比较少，但不一定是最少的。
另外你说的wait和notifyall，是个函数吗，还是就是个概念啊。如果是个概念，那比
如具体到linux下（我只知道linux下），就可以用semaphore,conditional virable的
sem_wait, sem_post, pthread_cond_wait什么的啊。和国人大哥说的似乎没有矛盾？
【在 a*****s 的大作中提到】
: dp的前提是：全局可以拆成可重复的局部，局部最优可以导致全局最优，其实也是
: greedy algorithm的思想。
: 如果是5，2，1的话，个人认为是没有问题的，但是加入3.5就有问题了。不知道是不是
: 符合你的想法。
: 那个设计题，国人大哥直接跟俺说了时用wait和notifyall的，不含糊。个人觉得这位
: 大哥很值得俺尊敬。
|
j**********3
发帖数: 3211 | |
a*****2
发帖数: 96 | 18 硬币的那个是不是应该用DP,
数字 x
硬币 1,2,5
int DP[x+1]
DP[0] = 0
DP[i] = x+1, for i = 1,...,x
int[] coins = new int[]{1,2,5};
for(int i = 1 ; i <= x; i++ )
for(int j = 0 ; j < 3; j++)
if(i >= coins[j])
DP[i-1] = min(DP[i-1],DP[i-coins[j]]+1);
return DP[x]; |
y*********8
发帖数: 387 | |
a*****s
发帖数: 1121 | 20 大哥，您要给俺offer么？
【在 e***a 的大作中提到】
: which company do u work for now?
|
D**********g
发帖数: 110 | 21 无语了，什么鸟公司，
LZ答的这么好，都没offer |
