时长：1h由于问题太多，分四类进行整理0. 实习相关：之前有数据开发的实习经验，就问了之前工作有没有spark或者hivesql优化的经验；如何确保数据的有效性；实习公司数据存储格式（Parquet），还知道哪些数据存储格式1. 大数据相关问题：为什么Spark比MR快；对Spark的了解；两个表join的优化方法（大小表join可以map-side join, join前过滤null值）；HDFS的读写流程；Spark shuffle的过程（不太了解，只讲了个大概）2. java基础的问题：HashMap底层原理（链表+数组 & 红黑树）；又问了对红黑树的了解，能讲个大概原理就行，对细节要求不高3. 数据库问题：数据库的索引的数据结构（这个不太了解）；ACID；数据三范式（1NF, 2NF, 3NF）做题：1. sql题：从成绩表中得到总成绩排名第三的学生id和成绩；将表中一列转换成一行(e.g. 表属性为[dt, col1, col2], 转换为[dt, key, value], 其中key为col1，value为col1列中所有数据)2. 快速排序（快排出场率真的好高）3. 海量数据题：从两个数据量50亿的文件中得到相同url（hash写到多个小文件+hashmap）#面经# #大数据# #暑期实习#