大数据开发实习面试复盘

自我介绍，

介绍自己写的两个项目（离线和实时）

数仓分层是怎么分的？

数仓建模使用的是什么？我回答的ER 实体模型。应该是维度模型

问基础知识：

hadoop的读写流程介绍一下？ 第一遍·完成

两个项目离线，实时用的编程语言用的什么？我回的java

java介绍一下你平时常用的集合有哪些？在项目中如何使用的？

有没有用到hive的窗口函数，介绍一下，

数仓·中有没有遇到一些数据清洗，有没有一些比较巧妙的方法，怎么进行数据清洗的，

当大表join小表时，会出现什么情况   第一遍完成

kafka的分区策略有了解吗？   第一遍完成

kafka的消息积压问题有没有遇到过？怎么解决的，数据写得很多，写到kafka导致数据积压， 第一遍完成

kafka数据是有序的吗？  第一遍完成

实时数仓用的flinkSQL还是dataStream,  flinkSql    (用户行为日志  json格式数据  StreamAPI)

                                                                                (业务数据         明细数据         flinkSQL)

ads层  或是最上层的数据 都是写到哪里面的（dim层写到Hbase里面 ，dwd层写到kafka  ）

Hbase的rowkey是怎么设计的？rowKey的设计原则， 有没有经验积累？第一遍完成

数据同步用的maxwell，用它的原因是什么   第一遍完成

flinkSql用的流式数据，数据万一坏了，有什么恢复机制？ 第一遍完成

实时数仓用到过spark没有？ 没用到

离线数仓建模用的什么建模？数仓怎么建模讲一下 

离线数仓的很多小文件问题是怎么解决的？ 第一遍完成

zookeeper用过吗？zookeepr命令知道有什么常用的？  第一遍完成

实时数仓的Flink...没听过一个东西   最后听那个是什么

你觉得写离线数仓实时数仓过程中的难点是什么？

两个项目的环境都是自己搭建的吗？（最自信的）

结束感谢