中信银行

学长2

（1）数据采集框架选型你做了什么，担任什么角色 ？ 为什么这么选？

（2）你理解数仓需要什么 ？ 哪些是必要的？可以结合你们的数仓讲讲

（3）canal高并发下会不会丢数据 ？讲讲canal 的架构 ，组件 ， 和你对它的理解 ？ innodb 和 myisam。使用canal有啥区别 ？

（4）sparksql怎么解析sql的？比如求一张表，subject，grade，求各个学科的最大值

学长3 数仓岗外包

采集数据时 ，数据经历了两层flume， 多次切分传输 速度不会慢嘛 。kafka的传输速度是多少？

学长4

（1）自我介绍一下

（2）Flink和SparkStreaming有什么区别？

（3）为什么SparkStreaming是微批次的？为什么它不能够做成实时处理的呢？

（4）SparkStreaming生成作业和提交作业的流程是怎么样的？（不是Spark的执行流程）

（5）SparkStreaming是如何拉取数据，协调和分配任务给Executor去执行？

（6）SparkStreaming从kafka拉取过来的数据是存到哪里呢？在整个过程中Driver起到什么作用呢？

（7）kafka的分区分配策略

（8）kafka的分区分配是哪个组件在做的？

（9）HBase的读写流程是怎样的？

（10）WAL是一定要写入的吗？不写入会有什么问题？

（11）HBase一个节点挂掉之后是如何进行故障恢复的？

（12）HMaster可以高可用吗？高可用之后我怎么知道我要连接哪个Master呢？

（13）多个Master同时工作的话，如何确定哪个是主的Master？

（14）Zookeeper是如何对大数据组件进行中央协调工作的？

（15）Zookeeper集群是如何做到数据的一致性的？

（16）Zookeeper的选举机制介绍一下？leader挂掉之后是如何进行重新恢复的？

（17）常用的Maven命令有哪些？使用遇到过Jar包冲突的问题？怎么解决的？如何查看包之间的依赖关系？

（18）是否使用过Spring和SpringBoot？