大数据项目与面试辅导：从零到专家的实战路径

该文档包含了关于大数据项目的详细介绍和求职面试准备的内容。首先，自我介绍部分展示了作者的专业背景，他拥有计算机科学相关学历，曾在电视系统领域工作后转行至大数据领域，并且表现出对行业的热情和持续学习的态度。他在广州市百珈泰商务服务有限公司参与了大数据平台的搭建，积累了实践经验。 在项目规划方面，文档详细列出了以下几个关键点： 1. 服务器选型：物理机是基础，但具体没有明确提到选用哪种型号或配置，仅提及了考虑因素。 2. 集群规模： - 行为数据：针对100万日活用户产生的大量行为数据，进行了存储需求分析，包括ods层、dwd层、dws/dwt层以及ads层的数据量估计，以及3副本备份策略，最终预估半年内所需存储空间约为53T，预留20%-30%的余量。 - 业务数据：对于用户的日常交易数据，虽然数量相对较少，但同样考虑到3副本备份，半年内预计需求约1.6T，预留30%余量。 - Kafka中的数据：由于实时性要求，Kafka的数据量按天计算，保存3天，大约需要1T的存储空间。 - 内存数据：根据计算任务的需求，预计总共需要896GB内存，分配给7台服务器。 2. 计算容量需求：综合以上所有数据，计算出至少需要7台服务器来满足数据存储和处理的需求，但文档并未深入到具体的硬件选择和性能优化。 此外，这份文档可能用于求职面试时展示个人的大数据项目经验和规划能力，体现了求职者对大数据技术的深入理解和实际操作经验，包括对数据存储、备份策略以及集群规模管理的掌握。对于准备求职大数据相关岗位的人士来说，这是一份有价值的参考资料，可以用来提炼和突出自己的专业技能和项目实战经验。同时，面试辅导的部分可能涉及如何将这些项目经历转化为面试中能够打动雇主的关键要点。