- 项目中为什么考虑用两个平台来做？
- 为什么你们白天做实时，晚上做离线，白天有离线任务吗？晚上有实时任务吗？
- 你们两个平台统计的指标有什么不同，你们数据量多大？
- 有多少表？
- 表都存在hive里吗？
- 实时数据存在哪里？
- 解释下ODS，DWD等数据分层？
- 说一下你的数仓建模
- 为什么不在导数据到ODS层前对数据去重？
- 数据在前面去重会有性能上的影响吗，为什么？
- 你们整个离线任务是怎么调度的？
- 关于任务调度出现异常重跑会不会出现数据的重复？
- 数据重复了怎么做？
- 你们azkaban调度除了HQL任务还有其他任务吗？
- 给个场景，azkaban调度的过程中我想把中间某张表的数据导出到本地，怎么做？
- 你还用过azkaban做过哪些任务的调度？
- 你们的kafka设置了多少topic？
- 你们写入kafka的数据是什么格式的？
- kafka分区是怎么设置的？
- 你们kafka集群多少台，做高可用了吗，为什么可以做高可用？
- kafka高可用原理说一下
- shuffle流程是什么？
- MapReduce的shuffle与Spark的shuffle有什么区别？
- 为什么group by比distinct高效？
- 有3个key，10个reduce，这3个key会分到10个reduce上吗？
- 用HQL写个问题
- Hive有哪些保存元数据的方式，除了MySQL还有什么？
- Flink集群角色有哪些？
- Flink时间机制是什么？
- 刚才讲shuffle时提到了快速排序，可以写一个快速排序
答案只有会员才会自动显示。
