大数据岗招聘方最看重"你处理过多大规模的数据、扛过多复杂的链路、保证过多高的稳定性"。简历别只堆组件名，要把数据规模、吞吐、时延、稳定性写清楚。
大数据简历，面试官最看重什么
- 数据规模：日处理量（TB/PB 级）、表数量、集群规模。
- 链路能力：采集 → 存储 → 计算 → 服务，离线 + 实时是否都做过。
- 性能与稳定：任务时长、产出时延、失败率、数据质量。
- 业务价值：你的数据能力支撑了什么分析/决策。
常见写法 ❌ vs ✅
❌ "熟悉 Hadoop、Hive、Spark、Flink，参与数据仓库建设。"
✅ "负责交易域数仓：日处理 80 亿条日志（约 12TB），基于 Flink 做实时数仓，核心报表产出时延从 T+1 降到 5 分钟，任务成功率 99.6%。"
后者把"会组件"变成了"扛过规模、出过结果"。
量化范例
- 离线：Hive 数仓分层（ODS/DWD/DWS/ADS），3000+ 表，日调度 2000 任务。
- 实时：Flink 消费 Kafka，峰值 50 万条/秒，端到端时延 < 1 分钟。
- 治理：数据质量规则 500+，异常自动告警，脏数据下降 90%。
项目经验怎么组织
按"业务域 → 架构 → 规模 → 结果"：
- 业务域：交易 / 用户 / 风控。
- 架构：用了哪些组件、为什么这么选。
- 规模：数据量、任务量、时延。
- 结果：稳定性、业务支撑。
引导
大数据简历把"规模 + 时延 + 稳定"写清，技术含量就出来了。先用模板把项目结构搭好，再补数字。