1.实习项目主要内容是什么?2.会java吗?3.说下数仓建模的分层4.说下维度模型5.星型模型和雪花模型的区别6.什么情况下使用星型/雪花模型更好7.HDFS读流程?原则是什么?8.了解spark吗?说一下宽依赖和窄依赖?9.了解 flink吗?10.hiveSQL怎么优化?搞成说明HQL的提交流程了11.机器学习的一些基本算法?12.英语口语可以吗?反问1.大数据开发是以java为主吗?2.基于前面的面试表现，如果想从事大数据开发，有什么需要加强的吗

1.实习项目主要内容是什么?2.会java吗?3.说下数仓建模的分层4.说下维度模型5.星型模型和雪花模型的区别6.什么情况下使用星型/雪花模型更好7.HDFS读流程?原则是什么?8.了解spark吗?说-下宽依赖和窄依赖?9.了解 flink吗?10.hiveSQL怎么优化?11.搞成说明HQL的提交流程了机器学习的一些基本算法?12.英语口语可以吗?反问1.大数据开发是以java为主吗?2.基于前面的面试表现，如果想从事大数据开发有什么需要加强的?3.加强大数据组件的学习实习生有加班费吗?周末有，平时不会有

项目追问： 1.你如何去评估一个数据仓库的好坏？2.你如何去完成数据的质量治理？3.你如何去制定优化数据仓库的方法？总体来说都是很开放性的题目，要对数据仓库有自己的思维和理解，以及要有一定的整体意识和目标意识。八股：1.spark的作业调度2.spark和mapreduce的区别3.sparksql的执行流程以及catalyst优化4.spark的内存结构5.flink和spark有什么区别？项目的flink是如何使用的？八股部分比较基础。算法：三道简单sql一道leetcode hot100

1.mapreduce执行流程2.hdfs如何保证数据一致性3.flink和kafka如何保证数据的一致性4.flink的checkpoint里的barrier对齐和非对齐分别如何实现exactly-once；非对齐实现需要怎么做？5.kafka如何保证数据一致性6.spark和mr的shuffle有哪些区别7.spark的内存参数一般怎么调整；一般集群的spark内存参数会在什么样的一个级别？8.数仓分层，每一层有什么作用？具体的全链路流程是什么样的？9.维表应该如何进行设计？10.用户画像如何搭建？11.然后是一些数据结构的考察。12.然后是两道sparksql题，不难。其中一个是考察数据构造，需要对sparksql有较深的使用了解。