1. 🧐对 Spark 的机制技术原理的了解，如 RDD 机制、DAG 机制等。

2. 🔍MapReduce 和 Spark 的区别。

3. 🔎Spark 宽依赖的情况及相关特性，如是否会写磁盘，在什么情况下写磁盘，写磁盘的过程（是否涉及合并等）。

4. 🤔Spark 常见产生 shuffle 的算子有哪些？

5. 📊常见的集群运算模式有哪些？

6. 📝本地模式（local mode）、standalone 模式的特点。

7. 🌐对 YARN 的了解。

8. 📖MySQL 索引的类型有哪些？在数据库中起什么作用？

9. 🔑模糊查询在不同情况（百分号在前、在后、前后都有）下是否会用到索引及原因，结合 B + 树索引的结构理解。

10. 💡HBase 和 MySQL 比较，在百万级别查询场景下哪个更适合及原因。

11. 📈数据倾斜产生的原因，如 join 操作（无效 key join 和有效 key join 的不同情况）、group 操作、count distinct 操作等。

12. 🛠️解决数据倾斜的常见方法有哪些？

13. 📚在特定代码逻辑下（如涉及成绩数据处理），如果有多个成绩情况（如同一同学多科目成绩）该如何处理。

14. 📋针对查找每个科目成绩前三的同学并输出姓名、科目、成绩、排名这一问题，应该使用 row_number、rank 还是 dense_rank 函数，为什么

参考答案（会员可见）