要不要转大数据？大数据学什么

大数据开发的面试一般会涉及以下几个方面的问题：

1. 编程语言：通常会涉及Java或Python编程语言的基础语法、数据结构、面向对象编程等内容。
2. 数据库和SQL：需要了解关系型数据库的基本原理、SQL语言的基本语法和优化技巧等内容。
3. 大数据技术栈：需要了解大数据生态系统中各个组件的基本原理、使用场景和优化技巧等内容，例如Hadoop、Spark、Hive、HBase等。
4. 分布式计算：需要了解分布式计算的基本概念、任务调度、负载均衡、数据分片等内容，以及如何处理分布式环境下的数据一致性和容错性。
5. 数据处理和存储：需要了解各种数据处理和存储技术的特点和优缺点，例如MapReduce、ETL、数据仓库、NoSQL等。
6. 算法和数据结构：需要了解常用算法和数据结构，以及如何应用到大数据处理中，例如排序、搜索、图论算法等。
7. 面试官的实际工作经验：面试官可能会问一些实际的工作经验和项目经历，例如你曾经参与过什么大数据处理项目，你使用过哪些技术，如何解决过遇到的难题等。

总之，大数据开发面试的题目范围较广，需要候选人具备较全面的知识储备，同时还需要具备一定的实际项目经验和应用能力。

以下是一些可能出现在大数据开发面试中的问题示例：

1. Java基础：Java中的基本数据类型、面向对象编程、异常处理、线程、集合框架等。
2. SQL：SQL语句的基本语法、数据类型、操作符、聚合函数、事务处理等。
3. Hadoop：Hadoop的基本原理、MapReduce编程、HDFS文件系统、Hive数据仓库等。
4. Spark：Spark的基本原理、RDD编程、Spark SQL、Streaming、MLlib机器学习等。
5. NoSQL：NoSQL的基本概念、类型、优缺点，如MongoDB、Cassandra等。
6. 数据挖掘和机器学习：数据挖掘的基本概念、聚类、分类、回归、决策树、随机森林、神经网络等。
7. 实际项目经验：如何使用Hadoop或Spark处理大数据、如何优化MapReduce或Spark作业、如何解决数据倾斜、如何设计高可用的大数据架构等。

需要注意的是，这些问题只是一些示例，实际面试中可能会涉及到其他更加具体和细节的问题。因此，候选人应该全面、系统地掌握大数据开发相关的知识，并且在平时的工作和学习中多进行实践和应用，以提高自己的应变能力。

算了时间不够拉！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

先把后端项目做好吧！