连续拷打超过一小时，传统八股不多 大数据相关拉满1. 项目拷打，主要拷打我上一段实习做的数据项目的技术选型2. 算法题：搜索二叉树，找两个值最近的祖先3. 请简述进程和线程的区别4. 给我了一个二叉树，让我说出其前序、中序、后续遍历的顺序5. Spark相比于Hadoop MR的优势 和劣势在哪里6. 描述一下Spark的宽窄依赖7. 在大数据开发的过程中，有哪些常见的数据倾斜情况8. 你刚才说的Kafka的数据倾斜，通常是什么情况导致的？如何避免？什么情况下 无法避免？9. 如果由于数据倾斜，导致Kafka一个分区消费慢，有什么处理方法？这个方法 有什么局限性？10. 如果上游Kafka没有数据倾斜，你在用Flink消费的时候出现了数据倾斜，通常是 什么原因导致的？有什么解决方案？11. Hive外部表和内部表的区别？12. Hadoop中Map任务数和Reduce任务数的决定因素？应该如何优化呢？13. Hive中order by和sort by语句有什么区别？14. Linux下如何在shell脚本中判断上一条命令执行成功与否?

自我介绍实习是否遇到过大量连接建立导致服务端压力很高的线上问题，你们是短连接还是 TCP 长连接A 系统 QPS 2k，单机需要承受多少 QPSC 系统 详细说一下稳定性治理的整个过程；主从同步的时间是多少Checkpoint 回溯机制是如何做的如果做核心数据流，如何解决 Checkpoint 回溯导致重复消费的问题；如果用事务提交两个点之间的数据，可能带来什么问题项目使用 Canal 监听 Binlog 实现最终一致性，是如何做的RabbitMQ 一定能保证消息不重复，不漏发，以及一定能消费到吗Canal 重复向 MQ 发送数据，如何解决八股缓存雪崩、击穿、穿透分别是什么MySQL 有哪几种...

最近拿了这个岗的暑期实习请教一下团队氛围，技术，工作内容之类的东西