一面
1.spark调优，spark数据倾斜体现在项目中，具体在哪些场景出现了？
2.订单服务，仓储服务以及其他业务模块之前是怎么进行关联的？是通过消息队列异步的吗？
3.sql中row_number和rank的区别？
4.负责的模块中，你主要做了哪些工作？
5.订单的整个流转过程？
6.rabbitmq怎么避免重复消费？
7.rabbitmq中怎么去通过消息日志判断消息被消费了，简单说下过程。
8.你觉得你工作中有哪些方面能做的更好？
算法题：
给定一个整数数组，判断这个数组是否可以重新分组，使得每个组内的元素个数为w，且这些数字是连续的数字。
二面
1.项目中数据仓库是怎么分层的？
2.怎么保证数据仓库每层之间的数据完整性？
3.原始数据层中，用于存储原始数据的hadoop高可用架构的主备namenode节点之间是怎么保证数据同步的？
4.为什么要将主节点的写操作对应的editlog文件放在共享文件中，而不是直接让备节点去主节点中拉取文件同步呢？
5.namenode主备同步的共享文件保存在哪里？在主备节点还是另外一台机器？
6.namenode主备同步的共享数据文件是怎么保证高可用的？
7.数据仓库中层与层之间，怎么保证某一层数据出现变化，该层的下游能够感知到?（数据血缘）
8.产品问你，你通过sparksql计算出的数据，如何保证是正确的，该如何回答？（数据质量如何保证）
9.spark的计算过程是怎样的？
10.sparksql转化为spark的具体任务，转化的过程是怎样的？
11.spark计算过程中，没有使用会产生shuffle的算子，会产生shuffle吗？
12.写sparksql从hive中获取数据，如何解决一次性获取大量数据加载进spark节点内存，从而导致网络传输带宽压力过大的问题？
13算法题
M * N 的矩阵。
例子：
3 * 5
1 2 3 4 5
3 4 5 6 7
2 3 4 5 6
特征：每一行是单调递增的。
目标：尽可能快的找到整个矩阵中第 k 小的数字。
二面卒，前期没有准备好算法的训练，投的太早，建议还是小公司先面，大公司往后放放。
