第一章：岗位能力画像与简历优化模板
数据平台技术专家的岗位能力可拆解为 五层核心能力：基础架构能力、数据工程能力、业务理解能力、团队协作能力、高阶问题破解能力。简历是能力的第一映射——面试官平均15秒决定是否继续。以下提供岗位能力画像图、简历结构模板、关键词清单与成果量化句式，配合3组高频面试问答卡片。
一、简历结构模板
| 模块 | 内容要点 | 模板建议 |
|---|---|---|
| 个人信息 | 姓名、手机、邮箱、意向岗位、4年+工作经验 | 突出“数据平台技术专家”目标 |
| 技术栈 | Hadoop/Spark/Flink/Kafka/ClickHouse/Hive/Java/Python/云原生 | 按熟练度排序，标注年限 |
| 工作经历 | 3段重点经历，每段2-3个关键项目 | 倒序排列，时间精确到月 |
| 项目经验 | 选择2个最具技术深度的项目 | 使用STAR法则 + 量化结果 |
| 成果与荣誉 | 专利、技术大会分享、开源贡献 | 附加链接或引用 |
二、成果量化句式
- 提效类：通过XX方案，将XX任务耗时从X小时降至X分钟，节省XX%计算资源。
- 降本类：优化XX存储结构，降低XX%存储成本，年节约XX万元。
- 稳定性类：设计XX容灾机制，将SLA从99%提升至99.99%，故障恢复时间缩短至X分钟。
- 业务类：自建XX分析平台，支撑XX个业务团队，日处理XX亿条数据，推动XX个AB实验落地。
三、面试问答卡片 × 3
问答卡片1：如何设计一个实时数仓架构？
面试官考察点：架构设计能力、实时与批处理取舍、技术选型深度。
回答框架：1. 先澄清业务场景（实时看板/风控/个性化）。2. 给出分层架构（ODS/DWD/DWS/ADS）。3. 核心组件选型（Kafka+ Flink + ClickHouse）。4. 数据处理延迟（秒级/分钟级）。5. 数据一致性与去重方案。
示例回答（80字）：我们采用Lambda+流批一体架构。实时层：Kafka→Flink→ClickHouse，分钟级延迟；离线层：Hive→Spark，补齐历史数据。通过Flink的Changelog机制保证实时与离线数据一致性，最终在DWS层复用。
可能追问：如何处理数据倾斜？如何保证端到端Exactly-Once？ClickHouse为什么适合？
问答卡片2：你在项目中如何优化Spark作业性能？
面试官考察点：调优实战经验、对Spark原理的理解（Shuffle/内存/并行度）。
回答框架：1. 先定位瓶颈（数据倾斜/小文件/网络IO）。2. 具体操作（重新分区/调整shuffle分区数/使用Broadcast Join）。3. 量化结果（时间减少X%/资源节省Y%）。4. 解释原理（为什么有效）。
示例回答（90字）：某日调度任务从2小时延长至6小时，分析发现一个key数据倾斜导致。方案：将倾斜key拆分为X个随机前缀，配合salting+repartition，同时启用AQE动态调整分区。优化后任务稳定在40分钟，计算成本降低60%。
可能追问：AQE的底层原理是什么？如何避免倾斜导致Executor OOM？
问答卡片3：如何保障数据平台的高可用与SLA？
面试官考察点：稳定性意识、故障处理流程、监控与容灾设计。
回答框架：1. 定义SLA指标（任务完成率/延迟/可用性）。2. 监控体系（链路追踪+报警）。3. 容灾策略（跨机房部署/主备切换/降级方案）。4. 故障复盘与自动恢复机制。
示例回答（85字）：我们将SLA拆解为任务级和集群级。任务级：监控每个DAG节点，失败自动重试3次，超过则发企业微信。集群级：实现Flink的Savepoint+外部状态后端，主备切换<30秒。季度SLA达到99.95%。
可能追问：如何设计合理的重试策略避免雪崩？Flink的Checkpoint与Savepoint区别？