專案資料分析師分享：美國大資料工程師面試攻略
方法/步驟
先做一個自我介紹，本科南開後，加入了一個創業公司kuxun，做實時資訊檢索，後來進入百度基礎架構組，搭建了Baidu App Engine的早期版本，隨後去Duke大學留學，在攻讀碩士期間，做跟Hadoop大資料相關的研究專案Starfish，之後在Amazon EC2部門實習，瞭解它們的內部架構，畢業後加入Linkedin，做廣告組的架構，涉及Hadoop調優，Data Pipeline, Offline/Online, 實時系統。最新是在Coursera從事資料工程師工作。在多年工作中，除了對技術的不懈追求，也積累了大量的面試經驗，從國內的一線網際網路百度，阿里巴巴，奇虎，人人，到美國一線公司Facebook，Google，Linkedin，Twitter，Amazon，到熱門Startup，Uber，Pinterest，Airbnb，Box，Dropbox，Snapchat，Houzz，拿到10+ offer，並且在Linkedin期間也面試過100+候選人，參與面試題制定，樂於分享並幫助很多人成功求職，實現目標。
我們看一下這張矽谷地圖，它坐落於美國加州，從聖何塞到舊金山的狹長地帶，中間是San francisco bay，簡稱灣區。它的由來是這邊有計算機核心處理器中離不開的矽，30年來，矽谷就發展成為無數技術性創業公司的搖籃。在20多年前，就有很多硬體公司的輝煌Intel，Oracle，Apple，Cisco成功上市，10年前，網際網路的興起，造就了Yahoo，Google，Ebay的神奇，而如今Tesla，Facebook，Twitter，Linkedin正扶搖直上，成為美股高科技股的領頭羊。這些公司的市值從幾十billion到幾百billion，PE從負數到上千。瘋狂的估值背後也改變了世界。
如果說矽谷成功是有原因的，我覺得有兩點。地理位置是得天獨厚吸引大量人才，這裡有Stanford和加州州立高校提供智力庫的支援，在矽谷可以看到來自全世界的最聰明的人，中國人，印度人，猶太人構成這些Engineer的主力。雖然國內做技術自嘲為碼農，但在矽谷成為一個優秀工程師還是收穫頗豐。另一方面創業是一個永恆的話題，在Stanford有個說法空氣中都飄揚中創業的味道，一些早期員工通過上市套現又積累經驗成了天使投資，Y Combinator，各種技術forum，meetup，創業導師，都很活躍。資本的力量功不可沒，早年VC通過投資，收購，上市放大形成一個雪球效應。大家總喜歡問什麼是next big thing，哪一個是下一個facebook，下一個musk，根據統計10年能成就一個千億以上的公司，目前這個程序正在縮短。
我就拿Linkedin作為例子，介紹高科技公司（FLG）是什麼樣子。它是成立2003年的職業社交網站。在10年的發展中，也不是一下子爆發的，目前有3億的全球使用者，雖然跟Facebook，Google 10億＋使用者沒法比，但是它有很好的護城河，使用者定位高階精準，單位價值高。這張照片中左邊這位是創始人Reid Hoffman，是Paypal黑幫成員，在矽谷也是呼風喚雨的大佬，目前是董事和投資人。中間這位是CEO Jeff，2013年被Glassdoor評為最佳CEO，作為職業經理人，成功幫助linkedin高速成長，他最喜歡提到transformation，希望我們每個員工能挑戰自我，在各自崗位上進化。Linkedin提供了員工很好的福利，有號稱灣區最佳的免費食堂，每個月一次的in day，hack day, 幫助員工內部創業的incumbator計劃。它特點是資料驅動的開發產品，比如 People you may know, Job you may be interested, 我做過Sponroed Ads 都是需要很強資料背景和data scientist的支援。它的Biz model也很獨特，有3個line，面向公司的招聘服務，面向廣告商的市場服務，面向個人的訂閱服務，還有最新Sales Solution，因為這麼多可能性，成為華爾街的寵兒。
說矽谷，除了那些已經成功的大公司，不得不說現在最新的創業動向，這些代表了未來下一個FLG。我總結了一些領域和代表公司：雲端計算(box, dropbox)，大資料(cloudera)，消費網際網路(pinterest)，健康(fitbit)，通訊(snapchat)，支付(square)，生活(uber)。 這裡是華爾街網站更新的最新融資規模，比如Uber就達到18Billion的估值，我當時拿到offer沒去，還是覺得很瘋狂，如果細看這張表，大家可以看到矽谷（藍色）尤其是舊金山它們的融資規模遠遠大於其他地區，還是地理決定論。而在國內的兩家xiaomi，jingdong都是在北京，而最近大家看到一些泡沫論，說什麼阿里巴巴上市是否美股到頂，經緯VC創始人也提醒我們泡沫的風險，我無法判斷。如果能參與到下一波浪潮裡面去是很過癮的。我推薦大家去看看 <浪潮之巔> ， <奇點臨近> ，我還是很期待未來20年的技術革命。
我個人熱愛大資料，在矽谷這也是大家津津樂道的，有個笑話，big data is like teenage talking about sex, nobody know how to do it. 其實大家還是興趣驅動就好，不要那麼功利，大資料技術涉及太多，平常工作中也是慢慢積累，有無數的坑和技術細節需要克服。並不是說那個技術最熱就要用哪個，如果你用不好，你的壓力很大的，舉個例子，你用某個開源資料庫，發現它偶爾有資料丟失怎麼辦，如果這是線上服務，你不斷收到報警，這時候你當時選用它的優點 scalable，容錯性都沒意義了。接著說大資料，這裡面Hadoop作為行業標準，我面過的除了Google，微軟不用，幾乎所有的公司都在用，建議大家利用這個機會。這裡面有三巨頭，cloudera是老牌Hadoop諮詢公司，Hadoop的創始人做CTO，Hortonworks也是很多Hadoop的committee，MapR是提出hdfs的erasure 編碼方式高效而著名，它們都是融了巨資，模式也很像，先推出社群免費版，但有個商業版提供更好的管理。 而今年出現一匹黑馬，Spark，簡單說就是記憶體級別的計算，比Hadoop框架裡能節約IO，利用快取，能適應批處理，迭代，流式計算。
這裡看一下它的生態系統，如何學Hadoop是個循序漸進過程，先要理解學習它的core系統，HDFS, MapReduce, Common，在外圍有無數的系統工具方便開發，我個人用過的是 Avro作為資料格式，Zookeeper作為選主的高可靠性的元件，Solr作為搜尋介面，Pig搭建工作流，Hive 資料倉庫查詢，Oozie管理工作流，HBase 作為KV 分散式儲存，mahout資料探勘的庫，Cassandra nosql 資料庫。我建議初學的考慮Chinahadoop的課程。
而Hadoop本身也是個進化過程，幾年前0.19版本，到0.20, 0.23分流成Yarn架構最後進化成Hadoop2.0, Hadoop1.0 和 2.0 它們的介面和元件是完全不同的，但總體上Hadoop 2.0 是趨勢，因為它有Yarn這樣分離的資源管理平臺，可以以外掛的方式開發上面的Application，解放了生產力，而像Spark，Storm這些新型處理器也是支援Hadoop 2.0的。這裡是Hortonworks它們提出來的社群版本架構，可以說標準的制定者，一流的公司制定標準，其他的公司一般用只能用它們提供的穩定版，沒有多少話語權。但從事大資料，並不見得是要去這些制定標準的公司，大量的應用也是非常考驗架構的靈活性。並且能看到實際的產品，很有成就感。
說到今年火的，還是要看Spark。從去年至今，已經開了2屆Spark大會，上千人的規模，無數人對比Hadoop 100倍的效能提升而興奮。這裡說它的背景是誕生於Berkeley的Amplab，它們有個很有名的BDAS(Berkeley Data Analytics Stack)，目前Spark已經成為Apache的頂級專案。去年這個實驗室的教授跟學生出去成立Databricks公司，拉到兩輪上千萬的風投，有人成Spark是Hadoop的終結者嗎？我看今年Spark大會上，所有的Hadoop大佬公司都是鼎力支援，像Cloudrea甚至放棄impala的一線支援而轉變成Spark。如果這麼發展下去，星星之火可以燎原啊。它裡面用到Scala是一種函式式語言。裡面的元件也很多，有Shark支援SQL類似Hive，有Spark Streaming，MLlib，Graphx，SparkR，BlinkDB。它的核心資料結構是RDD，可以跑在各種分散式系統上。總體上是個包容性＋侵略性的系統。我個人也很看好它們的發展。
注意事項
1. 如果面試的話，我先看他們的經驗是不是match，對應屆生看有沒有實習經歷，如果你在Google，Linkedin實習，絕對加分，學校當然也需要，比如我們招人UC Berkeley是要機會大一些。
2. 我看過很多簡歷，不推薦用DOC，因為在不同系統中排版不一樣。簡歷也不要寫太長，不是大牛就不超過2頁。儘量突出你的技能如何匹配公司的職位，比如這個公司都是用C++，你上面都沒C++，是不大合適。我也很不喜歡看到精通，如果你這樣寫，就很容易引起麻煩，最好寫多少年經驗，對具體技術的掌握。
3. 面試當然需要準備，但到底是事倍功半，還是事倍功半。我建議把你的經歷精選1，2個準備熟練，包括如何團隊分工，技術細節，遇到困難，如何克服。不要貪多，就把你現在用的東西準備好，沒人關心你5年前幹啥的。
4. 社交很重要，最簡單是去招聘會就可以跟人混個臉熟，如果你在網路多利用有些網路招聘網站，如dice，indeed，你還要巧妙利用Linkedin，加入高階賬號，可以檢視有些校友的資源，發站內信，refer比你網上瞎投效率要高很多。