北京河狸家+北京元安物联大数据开发面经~社招

1. 关于店铺网站页面访问流分析这一块，里面的基础的数据需求是怎么来的？

2. 你们这些指标力度主要是在pv、uv、ip是嘛？在哪些维度上会产生？

3. 数据提取是怎么提取的？有没有用比如一些第三方的一些服务？

4. 这个PIO模式是怎样？PIO入库

5. 你们在数据清洗的过程是怎样做的？

6. 14)除了产品外，会提一些数据方面的要求，还是你们自己制定？

7. 广播变量的使用及为何使用，原理

8. 数据清洗和入库这一块是怎么去做计算的

9. hbase的热点问题怎么形成的

10. kafka为什么要设5个分区

11. sparkstreaming的开窗函数

12. 产生shuffle的算子

13. hashMap与hashtable的区别

14. redis集群宕机的问题

15. 创建scalaMap有—>和元组两种

16. spark的collect收集的数据在DriverJVM内存中

17. hdfs的存储格式：parquet压缩使用snappy

18. hive的存储格式以及对集合的操作

19. sparkStreaming的容错

20. spark缓存的数据放到哪里，计算的数据放到哪里

21. 项目中遇到的问题，以及解决思路

22. Hbase存放那些数据，多大量

23. 创建DataFream有几种方式，他与DataSet还有RDD区别和优缺点

24. ArrayList与LinkedList区别

25. Kafka的数据积压和数据倾斜问题

公司在北京朝阳望京，没有融资，几十人规模。创业型公司，技术人才很多，对于刚入行来说是个不错选择~