一、从跑不动的一条 SQL 开始
我本科是数据科学与大数据技术，大三做一个校园行为分析的项目，数据量刚过两千万行，一条关联查询跑了四十分钟还没出结果。为了查原因，我第一次读执行计划、看分区、学索引下推，也第一次意识到 “会写 SQL” 和 “会处理数据” 是两件事。那次之后我把方向定在数据平台这一侧。保研的念头是那时定的，我想做真正能扛住数据量的系统。
二、绩点靠基础课与项目
我们专业一百二十人，我最终排名第四。大数据的绩点靠两块：基础课（数据结构、数据库、分布式系统、概率统计）和项目课。基础课我不满足于听懂，分布式一致性、事务隔离级别这些我都自己写过小实验验证；项目课我把每个项目都做成可运行的系统，留文档、留指标。考试前我只做两件事：默画知识框架、复述关键机制。统计课我也认真学，因为数据分析离不开它。
三、英语按文档和论文练
大数据的英文需求是读文档和论文。我每周精读一份官方文档的关键章节，抄配置项和坑；每月读一篇英文论文的方法部分，注意实验规模。听力用公开的技术讲座。专业词汇单独建表，像 partition、shuffle、throughput、skew 这些要一眼认出。六级我考到 585 分，面试时能用英文讲清一个系统：数据规模、架构、瓶颈、优化。
四、竞赛练实现，科研练验证
我参加过全国性的数据竞赛和软件类竞赛，最好的一次进了前列。竞赛教我的不是调参，而是在数据不干净、时间不够的情况下先做出可提交的版本，再逐项改进。科研上我跟着老师做课题，负责数据管道开发和性能测试，处理了上亿条日志，做了一组分区策略的对比实验，参与写成一份技术报告。这段经历让我明白，大数据工程的判断要靠指标，不靠感觉。
五、三个 offer 与一次清醒的选择
我一共拿到三个 offer，两个是数据或计算机相关专业硕士，一个是清华深圳国际研究生院的大数据技术与工程专业学位。选清华的理由：一是这边的培养是项目制的，课题和企业需求结合紧；二是深研院的课程偏工程落地，和我做的数据平台方向一致；三是面试时老师问 “你的数据倾斜怎么处理”，这种追问说明这边真在做系统。放弃的一所高校条件也不错，但方向偏统计建模，和我想做的工程不合。这里提醒一句：这个专业在清华只在深圳国际研究生院招生，报名时院系要选对。
六、把项目讲成判断
我的材料初版像技术栈清单：Hadoop、Spark、Flink 列了一排，但看不出我解决过什么问题。知点保研的定制辅导先帮我定主线 —— 大规模日志的存储与查询优化，然后把课程项目、竞赛方案、课题管道按这条线重排，每个都补上 “数据多大、瓶颈在哪、改了什么、指标变化多少”；再改呈现，把截图换成架构图和对比曲线；最后两轮模拟面试，专问一致性、故障恢复、成本权衡。他们不承诺录取，做的是让材料立得住。如果你也在准备，建议尽早让人挑毛病。如有保研问题可以咨询电话 4000003363 或者微信 shuoedu，知点保研咨询师将热情专业的解答您的考研问题。
