1、做过实时数仓吗，讲一下
2、提交到Yarn上的应用如Spark与Yarn的交互流程？
3、对于将来的职业规划？
4、说一下mapjoin与reducejoin
5、Spark处理数据流程、并行度决定机制
6、如何建设数仓，如何构建主题域
7、什么是维度建模，星型模型与雪花模型的区别
8、MapReduce原理，map数、reduce数决定机制
9、Spark中能够进行下推的算子和不能进行下推的算子有哪些？谓词下推？映射（project）下推？
10、HBase架构、rowkey和列族设计及注意事项？为什么使用LSM树（与传统的RDBMS如mysql的B+树对比）？
11、Kafka高可用、高性能的原理？使用过哪些版本的Kafka，有没有遇到一些bug，怎么导致的，如何解决？Kafka数据顺序性问题？
12、数仓建模方法，你公司用的是什么建模方法？为什么采用这种建模方法？
13、JVM结构、堆、垃圾回收算法、垃圾回收器
14、Java基本数据类型、引用类型、实现线程的方式？对于两个线程a和b，如何确保在线程a执行完毕后才能执行线程b？
15、你有什么想问我的吗？
16、cube、groupingsets、grouping__id
17、为什么离职？什么时间能入职？
18、你进行过hivesql到sparksql的任务迁移吗？有没有遇到语法/sql语句兼容性问题？
19、数仓建设以及分层的好处
20、HDFS写数据流程、fsimage作用、如何区分HDFS热数据和冷数据
21、Yarnclient和Yarncluster区别？
22、HBase适合读多写少还是写多读少的场景，为什么？HBase二级索引？HBase小文件过多的原因？
23、Scala中的隐式转换、object和class区别、Scala集合和Java如何互转？
24、SparkSQL解析SQL的详细流程、hash广播底层实现
25、parquet文件和orc文件区别
26、维度表和事实表？
27、谈谈你对数据仓库、数据中台、数据湖的理解？
28、Spark内存管理模型
29、缓慢变化维几种处理方式
30、Phoenix查询HBase数据把HBase搞崩的问题有没有遇到过？可能是哪些原因导致的？
31、Zookeeper作用，服务节点动态上下线和负载均衡怎么实现的？zookeeper选主和在其他集群（如HadoopHA）中是如何进行选主的？zookeeper分布式锁、监听（watcher）机制
32、窗口函数中几个rank函数的区别
33、红黑树和平衡二叉树区别
34、跨数据中心/机房数据迁移方案？
35、Java基本类型和封装类型区别，在JVM中的分布？
36、大数据集群运维事项（Hadoop集群节点、配置，HBase集群运维等）
37、mysql事务
38、groupByKey、reduceByKey、aggregateByKey、combineByKey区别
39、leetcode系列题，如股票买卖利润最大化问题？
40、hive内外表区别
41、hive执行的job数是怎么确定的
42、repartition和coalesce区别
43、Redis数据结构、分布式锁。数据发生更新、是先更新DB再更新redis缓存还是反过来，怎么处理以及为什么？
44、Kafka重分区问题，如何尽可能避免重分区问题？
45、SQL列转行、行转列、连续N天登录等？
46、数仓数据的存储格式（parquet+snappy），为什么使用parquet、parquet特性、底层结构？parquet事务？parquet进行字段的新增或删除，如何进行数据的历史数据中字段的新增或删除（非重跑数据）？
47、数据倾斜（Spark、Hive、HBase）
48、Sparkshuffle、shuffle文件
49、spark和hive的区别
50、hive文件存储格式，对比
51、用过哪些任务调度工具？了解azkaban、airflow吗？
52、如何数据治理？
53、Flinkwatermark
54、怎么做数据质量，怎么保证及时性和准确性
55、udf、udtf、udaf，集成的类、接口，怎么写