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

本人大学毕业一年，自学大数据，之前是非计算机专业，后来转的。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~