Keep 大数据开发岗面经

笔试：

1. 排序算法分析讲解 
2. 如何query根据单独每个月的收入，得到每个月至今的累计收入（Hive的开窗函数，MySQL使用JOIN&WHERE self join）。

面试：

1. Hadoop能够高性能吞吐的依赖有哪些？（HDFS, MapReduce）

2. Hadoop的完整计算过程，包括Map,Reduce过程、任务调度等。

3. 数据资源是怎么Partition的？是什么策略？（3 replicas）

4. Spark常用哪个算子，讲一下原理？（RDD）
5. Spark是依据怎么分stage的？什么是宽依赖、窄依赖？
6. Hive除了Query还用过别的操作吗？
7. 什么是数据倾斜问题，场景有哪些？常见的解决方法是什么？

建议：

1. Hadoop, Spark自己动手搭建环境并且总结遇到的问题与解决方法。
2. 各个框架各自的优缺点对比，应用场景是什么。读论文。