标题：在开水团流啊流

针对简历的项目提问，介绍一下mapreduce的过程，spark的优势，数据倾斜的解决方案，数仓分层的好处，介绍一下flink,如何实现精准一次sql题：现在有一张表存的是这两个字段，student_id, score 数据格式如下，lihua01,['math':98 english':87, chinese':99].写一个hivesql实现查询每个学科排名第三名的同学sql题：hivesql实现查询今日订单量是过去7日订单量均值的2倍的商家id

问的比较少，感觉像是kpi1.MapReduce和Spark的区别2.spark的作业提交流程3.spark的RDD算子特点4.spark的宽依赖如何产生5.Flink如何检查背压（这里直接给我干懵逼了）6.left out join，inner join，full out join的区别7.数组和链表的区别8.Java的Map的底层实现反问：刚才答的怎么样面试官说spark的作业提交流程那里答的不是很好，没有体现资源分配过程，Flink背压通过看FlinkUI和日志文件检查出来

拿到蔚来的实习offer，但是不敢去，太动荡了，万一真转正了咋办，想去元戎这种比较稳的，我真是飘了

int twoSum(const int nums[], const int n, const int target, std::vector<int>& result) { result.clear(); if (n < 2) return -1; const int* left, * right; left = nums; right = nums + n - 1; while (left < right) { const int sum = (*left + *right); if (sum == target) { result.push_back(le...