【大数据面经系列】大数据开发（实时计算方向）面试题（一）

得物

一面

1. 自我介绍
2. 实时数仓相关项目介绍
3. flink集群规模与版本
4. 多流join有哪些？
5. connect原理与实现
6. flink状态后端有哪些？
7. FSMemory和RocksDBstate有什么区别？
8. flink反压机制如何检测和解决？
9. 多个算子的单一算子链如何检测反压？
10. kafka ack机制 kafka rebalance

二面

1. 自我介绍
2. 实时模型特征值工程介绍？重点项目介绍
3. 频繁查询维表如何处理？
4. 频繁update 外存如何处理？
5. 端到端的一致性保证
6. sink到kafka中的一致性保证？kafka二阶段提交机制？
7. sink到hdfs如何保证一致性？
8. checkpoint机制与过程
9. 实际中遇到的问题 flink kafka connector kafka什么情况下会丢失数据
10. java 垃圾回收
11. javatransient、 volatile关键字，java多线程？
12. checkpoint恢复过程？修改并行度后如何恢复？

欢乐互娱

一面

1. 自我介绍
2. 如何实现漏斗分析模型（clickhouse）
3. clickhouse视图
4. cdh相关 presto+clickhouse

soul

一面

1. 自我介绍
2. 实时数仓