OPPO面试题
学长1
OPPO -实时处理工程师。一面试官陈泉，他拿了多集体的简历，边翻边问。
1）技术局部
（1）SparkStreaming生产形式及区别，Spark读取HDFS的数据流程
（2）Kafka高性能
（3）Hive调优，数据歪斜
（4）Zookeeper怎么防止脑裂，什么是脑裂。
（5）Redis的根本类型，并介绍一下利用场景
（6）最初会问一些Linux常用命令，比方怎么查过程，查IO运行内存等。还真有人问啊
2）我的项目局部
（1）Hive的分层设计
（2）还有一些Flume和Kafka的问题，为什么要把离线和实时搞在一起，能够做成两套零碎。
学长2
（1）介绍你做的所有我的项目
（2）在我的项目中你负责什么
（3）数仓的数据量是多少
（4）MapReduce的Shuffle过程
（5）Spark与Flink的区别
（6）平时会本人去学一些技术吗
（7）你们公司的大数据组的人员配置
（8）你为什么到职
（9）工作中遇到哪些艰难
（10）怎么应用Redis实现分布式锁
（11）Zookeeper的HA原理？
（12）两个业务有关联，某个业务的数据量有可能暴增解体，怎么保障另外的业务数据不受影响？
（13）MapReduce怎么去实现Hive中的mapjoin?
（14）SparkStreaming中Kafka的offset保留到MySQL中去实现的精准一次性生产，如果业务逻辑解决完，在提交offset时程序解体，解决完的数据怎么解决？
学长3
（1）讲一讲什么是CAP法令？Zookeeper合乎了这个法令的哪两个？
（2）你们的Flink怎么提交的？应用的per-job模式吗？为什么应用Yarn-Session的模式？有什么益处？
（3）讲一讲Flink的分界线对齐原理，有什么作用？
（4）理解过Flink的两阶段提交策略吗？讲讲具体过程。如果第一阶段宕机了会怎么办？第二阶段呢？
（5）如果Spark在跑工作的途中，Driver间接挂掉了，然而Executor还在持续跑，你该如何解决这个问题？
（6）如何查看Linux中线程的内存、CPU占用、磁盘的耗费等？具体的参数讲一下
（7）讲讲HFile在HDFS中存储的具体格局
（8）讲一讲Spark和Flink的Checkpoint机制异同
关键词：大数据培训