问的比较少，感觉像是kpi
1.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
楼主
相关推荐
牛客861513826号：A场景题：数量统计不说了；退货平均时间：先沟通清楚，月平均退货时间算不算上不退货的用户，不算的话，就只计算退货用户；一个用户的退货时间减去到货时间拿到这件商品的退货时间，然后计算每个退货用户的退货时间，AVG开窗partition by月份，计算出每个月的平均退货时间。如果要算上不退货的用户，也就是让这个用户的退货时间是0，然后对所有用户计算AVG同上。
B场景题：结合下面他提示你再想想数据倾斜，其实这道题是想靠你数据倾斜怎么解决；本来是一个商品购买信息表，记录商品信息和购买者信息，如果给购买者信息加上性别，要求算出每个商品不同性别的购买人数。百分之八十女性用户，所以如果单纯对表进行分组聚合，会产生数据倾斜问题，由分组聚合产生。五种办法可以解决，两种hive参数，三种SQL，往SQL方向聊，以防他追问参数底层，参数这种东西最难聊了，别给自己挖坑 
查看29道真题和解析
亚信科技（中国）有限公司一面9人在聊