BATJ与小企业数据仓库面试题
注：感谢读者朋友、群友、星球好友，联合贡献大小厂真实面试题目，现整理汇总。
1>做过的印象最深刻的项目是哪个，最有挑战性的地方在哪儿(数据平台和数据仓库都可以说说）
2>数据倾斜如何处理，如果是2个大表join
3>Hbase性能调优(GC,文件合并，写入参数优化，预分区散列)
4>进程和线程的区别
5>多线程如何交互
6>Hbase的rowkey设计和OLAP存储
7>ETL全量和增量的实现，以sqoop举例说明
8>Oracle物化视图实现
9>Apache Phoenix的实现原理
10>进程切换的开销
11>ETL调度平台的设计实现（整体架构，如何实现的，表如何设计的）
12>算法（一个字符串中字母的排列组合，一个句子单词中的最大公共子串，链表的实现)
1>binlog解析的实现(增量如何和下游merge)
2>mapreduce实现原理（数据倾斜如何解决）
3>ETL过程中的数据一致性如何解决（设计一个系统验证数据进出一个组件后前后的一致性)
4>数据仓库如何分层的，大概讲讲
5>数据平台的一些开源组件都有哪些，越多越好
6>有哪些开源的hadoop,spark生态组件，大概讲讲，越多越好，能对比优缺点和使用场景
7>算法，括号匹配问题
8>数据仓库的数据同步比如全量和增量的实现问题
9>多线程的实现方式，如何交互，线程池的原理
1>项目介绍,数仓，Hbase等
2>Hive,Spark性能调优
3>Flume高可用实现，channel种类，sink的优化
4>Spark sql,core,structstreaming的理解和描述
5>JVM的GC分类等
6>RPC的实现，ProtocolBuffer实现
7>Java的一些编码好习惯，能提高性能的
8>HashMap的底层实现
1.数据仓库是怎么分层的，为啥要这么分（结合项目具体讲）
2.OLAP Cube是什么？怎么构建？为啥要这么构建（结合项目业务讲）
3.数仓的缓慢变化维是什么？怎么处理？为啥这么处理？（结合项目业务讲）
4.规模比较大的快速变化维怎么处理？为啥这么处理（结合项目业务讲)
5.数仓建模的方式？（二种）你们用的 哪种？为啥要用这种？好处是什么？
6.维度建模是什么？为啥要用维度建模？（结合项目业务讲)
1>1T的文件的存储方式有哪几种？用分布式的存储方式来讲?
2>Hbase的数据统计有哪几种方式?
3>Kafka的底层存储是怎么样子的，详细讲讲
4>Hadoop集群的搭建过程，进程名，高可用如何实现?
5>平时开发spark应用程序用的哪种语言，比如（scala,java,python),选取语言的原因是啥？
6>Hbase的rowKey设计
7>spark实时处理kafka的消息如何保证message不丢失，如何设计
8>Hbase使用种遇到啥问题，如何性能调优
9>ELK用过吗？大概讲讲
10>如果让你设计一个分布式系统，大概过程是啥样的，讲讲
1>hive性能调优，结合例子讲讲
2>spark性能调优，结合例子讲讲
3>你觉得你哪个项目做的最好，讲讲你在里面发挥社么作用了
4>你觉得好的数据仓库话应该是啥样子的
5>用过Flink吗？
6>实时的话storm和spark streaming的区别，为啥当时项目要用spark streaming
7>你觉得你以往的工程经验和技能哪个优势大，对阿里这边会有社么帮助
8>Hbase性能调优，讲讲
公众号回复“0808”，即可获取ppt下载资源链接，目前已经上传到百度网盘。
Q: 你还想了解什么？
更多精彩，请在文末点击“面试系列”查看
！关注不迷路~ 各种福利、资源定期分享！