1.介绍一下项目以及项目中用到的一些大数据组件2.HDFS的文件存储格式有哪些?3.MapReduce过程，MapTask和ReduceTask个数怎么确定?4.MapReduce阶段哪些因素会影响性能?5.Flink和Spark Streaming的区别是什么?6.Kafka的消息传递机制是怎样的?7.大数据处理中的一致性、可靠性、可用性如何权衡?8.数据仓库和数据湖的区别是什么?9.Hive和传统数据库的区别?10.Spark如何进行数据倾斜的优化?

一面：面试官人超级超级好，甚至当我回答不够准确的时候会给我分析自己的思路1、自我介绍2、写的论文的收获3、自己实习的工作4、主要关注的风控指标5、理论模型和真实数据存在较大的差异，怎么理解，怎么处理6、政策和市场对信贷业务的影响怎么分析7、sql考察，挺常规的，两个聚类，两个窗口函数————————————————————————-二面：侧重业务1、自我介绍2、毕业论文的内容3、异动归因的分析方法4、怎么判断异常值，如果一个指标忽高忽低，怎么判断，什么的阈值可以说明确实是存在异常的5、AGI在贷后的应用怎么看6、base地7、未来规划

SQL写错日期了，调了半小时，哎