大数据面试要点总结

首先是大牛的建议：

	我觉得面试是否成功主要取决是否能让面试官感觉到自己有项目经验，而体现项目经验呢，主要靠一些技术亮点，介绍项目时能说出一些技术亮点是很关键的，这些技术亮点应该是企业项目中的一个个解决方案，解决方案就是使用xx技术解决xx问题，比如使用threadlocal和拦截器解决分页参数的透明传输问题，使用shiro解决项目的认证和授权问题，类似这样的话语要尽量多说一些。如果在介绍项目时，技术亮点能说出10条8条，我觉得对面试官来说，还有很有吸引力的。大数据面试也是一样，使用xxx技术解决项目中xxx问题，多说一些这样的话语，在面试中不要光被面试官问，可以时不时去反问面试官1--2个问题，进行互动，聊着聊着，没准就成了，遇到一些开放性的问题，如果大家会的话，要尽可能多说一些，说得时间长点。自己说的时候越长，那面试官问你问题的时间越短，因为你后面还有其他人在等着面试。
	开发性的问题，如果自己懂的多，那就深入的说一说，也能体现自己对知识点掌握的深度，如果大家在面试中能很好的和面试官互动，每次面试都尝试解决一个上次面试不会的问题的话，那面试10次就弄懂了10个问题，这样不是挺好吗？互相的问题尽可能是比较深入的话题，比如设计模式在xxx框架中是怎么体现的，性能或优化问题，互动的问题，自己一定要会一些才行，否则无法互动。

通过诸多面试，总结常见技术点如下：
1、利用ThreadLocal和PagerFilte，解决分页参数的透明传输问题；

2、设计上采用Facade模式创建JbpmFacade，封装对JBPM的API调用

3、底层 DAO 超类同时基于 QBC 和 HQL, 以使上层 DAO 在减少代码的前提下而又不失灵活性

4、利用 Quartz 完成定时作业调度，后台调用存储过程；

5、系统前台使用freemarker做静态化页面来提高系统的性能，以应对大规模的用户量的并发。

6、使用Alibaba Dubbo作为SOA服务化治理方案的核心框架，实现分布式系统之间rpc调用。

7、使用LVS+Nginx实现系统的负载均衡，及反向代理。可以应付大并发的压力。

8、使用Redis集群做缓存服务器，提高系统的响应速度。

9、使用Solr集群提高商品信息的查询服务，提高系统的查询速度以及准确率，极大提高了用户体验。

10、使用FastDFS分布式文件系统作为图片服务器。实现图片的分布式存储。
 
11、系统之间使用ActiveMQ消息队列实现消息服务。实现系统之间的异步通信。

12、后台数据库采用mysql数据库，使用mycat作为中间件实现主从复制、分库分表以实现大数据量的存储，是当今电商行业主流解决方案。

13、整个项目采用最流行的Maven来管理项目，达到项目的标准化，易于项目的构建。