1、jdk版本1.8的新特性知道多少？以及是否用java开发过大型项目或服务？
2、选择排序和冒泡排序的时间复杂度和空间复杂度？
2、hive调优以及数据倾斜的解决？
3、如果hive使用float(decimal)格式存储，在查询时（>0.2的），0.2的能查出来吗，如何修改？
（字段改成string, 查询时 where 字段> cast(0.2 as float)）
https://www.cnblogs.com/zzhangyuhang/p/9778322.html
4、大表join大表产生的问题，以及怎么解决？
3、分区 分桶的区别，为什么要分区？
4、mapJoin的原理？
5、hdfs的文件上传下载、MR的处理流程，reduce阶段的排序规则？
6、map task和reduce task的数量是由什么决定的？
7、HA模式能简单说下吗？
8、jvm的内存机制以及GC？
9、redis的热键问题？怎么解决？
10、hbase的rowkey的设计原则？
11、sqoop迁移数据的原理？
12、你们是怎么使用azkaban的？
13、kafka中生产数据的时候，如何保证写入的容错性？
（0 1 -1的配置）
14、数仓中都做过哪些主题的报表？
15、拉链表简单描述下你们怎么做的吗？
16、中好差评中特征工程怎么创建的？用什么分的词，如何保证分词的重要性？
17、presto是怎么使用的？
18、hive什么版本？kafka什么版本？scala什么版本？flink什么版本？
1、有个很大的数组，如何快速查出某一个元素的索引？
（二分查找）
2、有很大的数据，flink进行过滤去重统计，怎么一个方案？
（布隆过滤器+valueState 或者hypeloglog）
3、spark任务处理的流程，on Yarn任务处理的流程？
4、什么叫DAG、窄宽依赖、划分stage的依据、task数量由什么决定的?
5、spark和mr的比较？
6、RDD持久化有几种方式？
7、特别大的数据，怎么发送到executor中？
8、spark调优都做过哪些方面？
9、Spark 任务为什么会被Yarn kill掉（不是OOM问题）？
10、使用了protoBuffer这样的序列化机制后，在效率上提升了多少？
11、flink和Spark Streaming的区别？架构上的区别呢？
12、flink中checkPoint为什么状态有保存在内存中这样的机制？为什么要开启checkPoint?
https://blog.csdn.net/u010271601/article/details/104933021
13、flink保证Exactly_Once的原理？
14、flink的时间形式和窗口形式有几种？有什么区别，你们用在什么场景下的？
15、flink的背压说下？
16、flink的watermark机制说下，以及怎么解决数据乱序的问题？
https://mp.weixin.qq.com/s/hYPDGVCQb0i6UqWSCA_Gzg
17、实时任务处理过程中的QPS大概是多少？
18、为什么不用异步io查数据库做jion关联？
（数据库压力太大）
19、flink 1.09中的TableFunction介绍下？
20、流式项目做好之后，怎么保证算出来的数据是正确的，是怎么测试的？
（离线加实时两条线都统计，做对比）
21、你们是怎么监控程序运行以及集群间组件的？
（运维做：Zabbix进行二次开发，配合使用Grafana可视化大屏）
上机代码题：
① 输入一串字符串，然后输出连续子串最长的一串，如果子串长度相同，就按照码表中最小的优先
例如：aaabbbbcccccccccddddddddd 输出：ccccccccc
② 一个链表:A->B->C->D->E 0B->E->D->C
③ 手写二分查找法
④ 无序数组，求第K大的数 （sort的底层实现的原理是？快排）
SQL题：
① 共同好友 A->BCD B->ACF 求好友的对数（A->B B->A为一对）
② 年级、科目的TopN
③
t_order订单表
order_id, item_id, create_time, amount(金额)
t_item商品表
item_id, item_name, category
- 最近一个月，销售数量最多的10个商品
- 最近一个月，每个种类里销售数量最多的10个商品
关注 易学在线 公众号
每日更新大量优质技术文档
第一时间获知最新上架课程
与众多大数据猿分享与交流
DOIT.EDU 资料来自网络收集整理，如有侵权请告知
微信扫一扫 