阐述 Flink 提供的容错机制，解释分布式快照 Chandy Lamport 算法逻辑，剖析 Flink Checkpoint 具体实现流程?

 

面试，一个令人大多数同学头疼的问题，要么成功进入心仪公司，要么沮丧与其失之交臂但是，如果能在面试前就能知道面试官将会问的问题，然后可以好好提前准备，这种感觉是不是特别棒？之前社区帮大家汇总了目前 15 家重量级公司的招聘需求更新在社区招聘帖，也收到了很多同学的反馈：。

“投了一堆简历，但是都没面试机会”“面试官说是想招高阶人才”“**哎，感觉像我这种毕业年限短，公司又是小公司，本科也不太好的，找工作太难了**”最后只能总结：“我不优秀，我连面试机会都没有”也太南南南了！

那么究竟怎么积累技术实力，成为 Flink 高级开发，拿下心仪公司的 offer 呢？小松鼠征集了 Flink 用人主管的核心诉求并提供一份超级清晰、实用的学习路径虽然我们都不会读心术，但破解面试难题也有思路可寻！。

Tips：2020 Flink 最新招聘信息查看请见下方链接，内推或有招聘需求的公司可联系小松鼠（微信ID:Ververica2019）投递 JD～2020 最新 Flink 招聘岗位汇总：https://juejin.im/post/5df9e25fe51d4557f5450274

01 了解用人主管的需求在收集招聘信息时小松鼠了解到用人主管的核心需求以及面试了部分同学之后的感受，总结下来主要分为以下方面：经验都偏少，缺乏复杂场景的历练在用 Flink 做数据开发，但没有底层修改经验

想招比较高阶的对 Flink 底层有深入研究的同学，但是高阶的太难找需要有深入研究、改造经验的也可以，独立完成问题排查与任务调优请注意关键词！「复杂场景历练」、「底层修改经验」、「高阶」、「问题排查与调优」，这是当前大多数岗位对 Flink 开发同学的预期，相当于划重点呐！除了解用人主管的核心需求外，我们也需要结合自身基础，找对合适的岗位方向。

02 找对岗位方向小松鼠总结了市面上大多数招聘内容，对这些岗位进行分析并整合，可以看到如下表格内容。总体上分为3个方向：

（不完全统计，仅供参考）众所周知，平台开发或底层引擎开发都需要对 Flink 有钻研精神，需要持续专注地深耕，对技术深度、技术原理掌握甚至是源码能力要求都较高相对而言，业务类的开发则更关注具体应用场景，大多是在平台的基础上进行业务场景的应用开发，对底层、源码的要求相对较低。

总体上，无论选择哪种技术方向，扎实的语言功底都是基础，而对开源社区的贡献、对 Flink 生态有深入了解等都将成为 blingbling 的加分项03 从小白到 Flink 高级开发，应该掌握哪些技术？。

如果你了解到自己与用人主管的核心需求存在哪些差异，或者有自己倾向的岗位方向，那么恭喜你已成功完成心理建设第三部分，小松鼠邀请了 Apache Flink PMC 程鹤群（军长）来帮大家解决“从小白到 Flink 高级开发，应该掌握哪些技术？”这个核心问题，此处感谢 Apache Flink PMC 伍翀（云邪）的反馈与建议。

首先，送你一份 X-mind！公众号后台回复关键字「面试」，可以下载 PDF 版本～

然后，我们来了解这份思维导图的构成以及如何使用1.专治无从下手根据 Flink 相关招聘岗位要求，我们将重点分为以下部分：大数据基础理论SQL & TableRuntimeFlink 生态Flink 实战。

整合了当前 Flink 面试岗位中涉及的绝大多数知识点，并分为五大板块除了 SQL & Table、Runtime 等硬核内容外，生态以及实战是面试中需要重点关注的内容2.没有问题的思维导图不是好题库从问题开始，每块内容都以问题的形式帮你回顾可能考察的知识点。

不仅是 Flink，思维导图对面试中可能涉及的数据基础理论也整理成问题供大家参考难易分明，Flink 生态以及实战部分不仅是重点也是大部分难点所在，脑图中相应部分也用笑脸标示，难易程度一眼分明希望这份思维导图能够对你有所帮助！大家可以结合之前的 Flink 知识图谱一起学习，效果更佳哦～。

Flink 社区知识图谱：https://ververica.cn/developers/special-issue/04 跟 5 位大厂同学聊了聊，他们分享了 10 道真题面试跟从小到大我们经历的大大小小的考试异曲同工，虽然可以临时抱佛脚，可最核心最重要的还是技术实力。

下面分享 10 道真题，都来自于生产环境经验丰富的大厂同学，希望对大家面试有所帮助此处感谢五位同学！BTW，以下真题仅供大家参考，开拓思路，切不可本末倒置，将真题作为面试准备的唯一法宝▼ 真题集 ▼1.阐述 Flink 如何处理反压，相比 Storm，Spark Streaming 提供的反压机制，描述其实现有什么不同？

2.阐述流处理引擎提供的三种数据处理语义，解释 Flink Checkpoint 机制如何保证 Flink 程序结果的 Exactly-Once 语义，描述如何通过两阶段提交协议提供端到端的 Exactly-Once 保证？结合 Kafka 如何构建端到端的 Exactly-Once 处理？

3.阐述 Flink 提供的容错机制，解释分布式快照 Chandy Lamport 算法逻辑，剖析 Flink Checkpoint 具体实现流程？4.如何处理 Flink 作业频繁重启问题？5.如何优化大状态的 Flink 作业？

6.如何排查 Flink Checkpoint 超时问题？7.如何处理 Flink 作业中的数据倾斜问题？8.Flink 反压机制，如何排查反压瓶颈在哪，及如何处理反压问题？9.哪种 join 可以满足单个流断流的时候仍然能够保证正确的 join 到数据？

10.watermark 是怎么生成和传递的？

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186