一、嘀嗒一面
数据开发组、数据分析组、数据应用组
数据开发内容：1、偏数仓建设，大的topic量可以达到十万级别，2、数据中台：日志采集，离线一条，实时一条，质量监控，抽象成模块，组成DAG图，常用逻辑封装平台化，数据中台应用
- kafka的ack机制：一次响应？
- kafka线上实操：kafka的6个分区，扩展成20个分区
- 消费kafka是怎么消费的，用原生代码还是写flink程序，kafka扩容之后，下游消费的程序要不要修改，topic的partition增加，要怎么修改；
- flink任务启动，如果启动失败，要怎么办，比如输入量增大，上游scamper有一个变动，或者出现其它情况，任务挂了，怎么保证消费正常启动，数据不丢失，offset保存在哪里？
- es：es模板的概念，template，
- es的响应速度是什么级别，比如小于10ms，
- es响应常用api，监控响应有哪些
- es的囊变，一个es集群分裂成两个es集群，
- 项目的价值，业务上的价值，
二、货拉拉一面
- flink的理解，
- 监控指标，实例数，写入延迟，
- 性能优化，比如反压，延迟比较高，
- hbase大规模并发的时候，是怎么做到写入延迟比较低，
最末：之前的公司记录
介绍：数据做什么方面的处理，xml数据类型，
Kafka十几个集群，数据量多少，pb级数据量，总体数据量，
消费的程序写flink开发的，
自己开发的java
Arraylist和linklist在实现上、底层操作上有什么差异，算法复杂度，空间复杂度
增加、删除、插入的时间
查找 arraylist都是o1，增删o(n)，基于数组实现，向后动态扩容，怎么实现数组动态扩容，复制，扩容1.5倍，
linklist
hashmap的key是object，用自己实现object，会有什么问题呢，任意对象有hashcode，object要保证里面的对象是不可变的，hashcode方法导致值会变化
Java的并发类，comparelinkq，comparhashmap，
大数据组件相关的问题，什么是sql什么是nosql数据库，关系型和非关系型数据，
什么是行式储存（连续行存储，就要加载所有的列），什么是列式存储（存到文件里，连续列存储，减少到内存读取的数量），
Es的索引，task和keyword的区别，keyword，一个需要分词，一个不需要分词的文本
Kafka如何避免重复消费，定义偏移量，消费成功的时候把偏移量
sprk和hive的了解
Spark比hive的优势在哪里，工作中用到spark的方式，
网络流量数据，自己写，利用率更高，减少cpu利用率
数据结构，什么是平衡二叉树，有向无环图，图遍历（深度遍历和广度遍历）
线程和进程的区别，面向政府，访问应用
Hdfs做离线任务
并发能力
对于es要了解
Hbase是key要满足什么涉及原则，写入和查询，写入异常，哪个库的
并发的效率
Es的节点类型，节点之间是怎么访问的，doc value是什么，索引有没有更新，和bitmap的区别，倒排索引怎么实现的，
计算机网络：传输层的协议，tcp udp，控制网络拥堵的算法
DMA是什么
Java垃圾回收机制，类加载的过程、生命周期
页淘汰算法，fifo lru
flink几层
和spark对比
数据是怎么过滤的，具体匹配算法是什么，封装好了的算法？
对kafka了解的深，
实现原理：https://cloud.tencent.com/developer/article/1530090 订阅消息队列的三种方式
Once就是被消费一次，还是有at least once at most once
不同消息队列提供不同的消费语义，
java里的volatile关键字，怎么做java的并发控制 java的jvm
Redis是怎么部署的，用哪种模式
Redis的实现原理，存kv，数据结构，sds有哪几种结构
网络：tcp四次挥手的流程，
Sql写的多么，sql语句的执行过程，怎么解析sql，怎么传到具体组件里面，sql parser的过程
工程基础，给一个任务，模块，分解成可行的步骤，工程能力，给出很好的方案，性能，对很细的点专研很深
Flink转化，怎么重推数据
离线也是通过flink是批处理解析的数据，落地到hdfs，建hive库表，做一些离线抽取，
每天flink的数据量级，大概是多少级别，pb级左右，
当flink流式处理之后，做数据重推，对实时指标计算，做怎样的操作，
回滚包括哪些信息，位置，量级
Flink从kafka里消费数据，到最后数据罗盘，是怎么保证数据的gapt once，保证数据不丢失
Offset 写到es，写入失败，幂等怎么保持一致性，这样的数据流怎么保证它不能多不能少
Offset怎么去控制，还是有其它机制去保证这个事务的执行
flink提交kafka的offset，是在哪一步提交的
是计算完之后提交，还是存到es之后提交
落地写入失败，这部分数据怎么办，对kafka而言，这份数据已经消费完成了，
怎么判断落地未成功，kafka消费完以后的数据怎么追查，不知道有哪些数据没存在，重推，从哪里重推，哪个位置少了
Flink的checkpoint机制，故障排除的机制，怎么存的，怎么维护状态
幂等，数据一致性，flink反压，流量暴增，由于某个逻辑出现问题
离线流程：
写sql，hive去重，distinct group by ，窗口函数实现去重，
Lonamer函数，不是列函数，noranber函数
Hive写一些参数，hive参数的优化
Hive的内部表和外部表的区别
java
线程的创建方式：runable
线程池的参数
多线程场景，一个主线程，三个子线程，主线程启动，子线程做count操作，主线程做sum，sleep（10）
怎么多线程并发
怎么知道线程执行完成，
多线程去修改一个全局属性int，怎么保证线程安全
concurrent包里面的原子类
hashmap的数据结构
Hashmap怎么扩容，1.8的扩容机制
java的反射
常用的两种反射场景，classforname和classforloadder分别是怎么加载的
一个加载的逻辑和顺序有什么区别
Java oom错误是怎么定位问题
Jvm的时候，发现老年代是full GC比较频繁，在资源恒定的情况下，出现full GC是哪些原因
1.8
Flink参数调优：看资源来定，数据量级，几个partition，qps，数据是否有积压
连续7天每天登录每个网站的用户前3
topN问题
Checkpoint的时间间隔设置的是多少
通过kafka的topic partition offset，查看具体的数据包内容
|