1.Spark处理数据流程、并行度决定机制
2.SparkSQL解析SQL的详细流程、hash广播底层实现
3.Spark shuffle、shuffle文件
4.groupByKey、reduceByKey、aggregateByKey、combineByKey区别
5.repartition和coalesce区别
6.Spark内存管理模型
7.Spark中能够进行下推的算子和不能进行下推的算子有哪些？谓词下推？映射（project）下推？
8.数仓数据的存储格式（parquet snappy），为什么使用parquet、parquet特性、底层结构？parquet事务？parquet进行字段的新增或删除，如何进行数据的历史数据中字段的新增或删除（非重跑数据）？
9.Flink watermark
10.HDFS写数据流程、fsimage作用、如何区分HDFS热数据和冷数据
11.数据倾斜（Spark、Hive、HBase）
12.MapReduce原理，map数、reduce数决定机制
13.说一下 map join 与 reduce join
14.spark和hive的区别
15.udf、udtf、udaf，集成的类、接口，怎么写
16.hive文件存储格式，对比
17.parquet文件和orc文件区别
18.hive内外表区别
19.hive执行的job数是怎么确定的
20.窗口函数中几个rank函数的区别
21.cube、grouping sets、grouping__id
22.你进行过hive sql到spark sql的任务迁移吗？有没有遇到语法/sql语句兼容性问题？
23.如何建设数仓，如何构建主题域
24.缓慢变化维 几种处理方式
25.什么是维度建模，星型模型与雪花模型的区别
26.数仓建设以及分层的好处
27.怎么做数据质量，怎么保证及时性和准确性
28.维度表和事实表？
29.如何数据治理？
30.谈谈你对数据仓库、数据中台、数据湖的理解？
31.做过实时数仓吗，讲一下
32.数仓建模方法，你公司用的是什么建模方法？为什么采用这种建模方法？
33.Yarn client和Yarn cluster区别？
34.提交到Yarn上的应用如Spark与Yarn的交互流程？
35.HBase架构、row key和列族设计及注意事项？为什么使用LSM树（与传统的RDBMS如mysql的B 树对比）？
36.HBase适合读多写少还是写多读少的场景，为什么？HBase二级索引？HBase小文件过多的原因？
37.Phoenix查询HBase数据把HBase搞崩的问题有没有遇到过？可能是哪些原因导致的？
38.Kafka高可用、高性能的原理？使用过哪些版本的Kafka，有没有遇到一些bug，怎么导致的，如何解决？Kafka数据顺序性问题？
39.Kafka重分区问题，如何尽可能避免重分区问题？
40.Zookeeper作用，服务节点动态上下线和负载均衡怎么实现的？zookeeper选主和在其他集群（如Hadoop HA）中是如何进行选主的？zookeeper分布式锁、监听（watcher）机制
41.用过哪些任务调度工具？了解azkaban、airflow吗？
42.Redis数据结构、分布式锁。数据发生更新、是先更新DB再更新redis缓存还是反过来，怎么处理以及为什么？
43.mysql事务
44.红黑树和平衡二叉树区别
45.JVM结构、堆、垃圾回收算法、垃圾回收器
46.Java基本数据类型、引用类型、实现线程的方式？对于两个线程a和b，如何确保在线程a执行完毕后才能执行线程b？
47.Java基本类型和封装类型区别，在JVM中的分布？
48.Scala中的隐式转换、object和class区别、Scala集合和Java如何互转？
49.leetcode系列题，如股票买卖利润最大化问题？
50.SQL列转行、行转列、连续N天登录等？
51.跨数据中心/机房数据迁移方案？
52.大数据集群运维事项（Hadoop集群节点、配置，HBase集群运维等）
53.为什么离职？什么时间能入职？
54.对于将来的职业规划？
55.你有什么想问我的吗？ 以上问题在之前的文章都有解答，建议多阅读历史文章和公众号菜单栏相关技术专栏系列。
