面前
满怀希望的我，兴高采烈的，然后干啥都开心。买了一张通往杭州的火车票，自以为是往梦想的车票。为了赶火车，我早早的6点就起来了，天空还是一片阴暗，超市也没开门，卖早点的阿姨也没起来。我就这样饿着肚子坐了一个多小时的公交，一路颠簸终于到了火车站。我提前到了车站，买的是10.27的票，去改签了一下（8:52）。在超市买了一个桂花糕，吃吃等等。上车之后看着路边的风景，我仿佛掉进了一幅画里。满怀期待，向往大都市的念头不由自主的就出来了。脑海中出现了一个人一座城，人是奋斗的人，城市繁忙的城。突然，火车倾斜了，这是一条不平坦的道路。一会又恢复正常了，过会又倾斜了，心惊胆跳的，原来是铁轨是倾斜的，可能是因为转弯的缘故。车上有很多背包的大哥，我看着他们的脸，感觉都是程序员，是我学习的榜样，我更有动力了。为了面试更加的稳，我拿出我的笔记，又看了一会。。。。
到了杭州一切和想象中的一样，川流不息，高楼大厦和一个渺小的我。有一种仰观宇宙之大，俯察品类之盛的感觉。我是一只小蚂蚁。
找了一会，找到了要面试的公司，人力的小姐姐很热情的接待了我，还给我倒了一杯热水。带我见了一下大哥，大哥的头顶有点稀疏，哈哈哈。安排了饭后提前面试。和小姐姐聊了一会天，小姐姐还给了我一张饭票。心满意足的吃完饭，开始面试。
1.自我介绍
2.介绍自己的项目
3.hadoop集群搭建
1.安装jdk
2.修改主机
3.安装ssh，并配置免密登入
4.修改hosts文件
5.做时间同步
6.上传hadoop包，解压
7.配置core-site.xml，hdfs-stite.xml,yarn-site.xml,mapred-site.xml,hadoop-env.sh,slaves(workers)
8.格式化
4.MR的原理
1.一个mr程序启动的时候，最先启动的是MRAppMaster，MRAppMaster启动后根据本次job的描述信息，计算出需要的maptask实例数量，然后向集群申请机器启动相应数量的maptask进程
2.maptask进程启动之后，根据给定的数据切片范围进行数据处理，主体流程为：
2.1 利用客户指定的inputformat来获取RecordReader读取数据，形成输入KV对
2.2 将输入KV对传递给客户定义的map()方法，做逻辑运算，并将map()方法输出的KV对收集到缓存
2.3 将缓存中的KV对按照K分区排序后不断溢写到磁盘文件
3.MRAppMaster监控到所有maptask进程任务完成之后，会根据客户指定的参数启动相应数量的reducetask进程，并告知reducetask进程要处理的数据范围（数据分区）
4.Reducetask进程启动之后，根据MRAppMaster告知的待处理数据所在位置，从若干台maptask运行所在机器上获取到若干个maptask输出结果文件，并在本地进行重新归并排序，然后按照相同key的KV为一个组，调用客户定义的reduce()方法进行逻辑运算，并收集运算输出的结果KV，然后调用客户指定的outputformat将结果数据输出到外部存储
5.讲一下join的过程
MapJoin简单说就是在Map阶段将小表数据从 HDFS 上读取到内存中的哈希表中，读完后将内存中的哈希表序列化为哈希表文件，在下一阶段，当 MapReduce 任务启动时，会将这个哈希表文件上传到 Hadoop 分布式缓存中，该缓存会将这些文件发送到每个 Mapper 的本地磁盘上。因此，所有 Mapper 都可以将此持久化的哈希表文件加载回内存，并像之前一样进行 Join。顺序扫描大表完成Join。减少昂贵的shuffle操作及reduce操作
MapJoin分为两个阶段：
1.通过MapReduce Local Task，将小表读入内存，生成HashTableFiles上传至Distributed Cache中，这里会HashTableFiles进行压缩。
2.MapReduce Job在Map阶段，每个Mapper从Distributed Cache读取HashTableFiles到内存中，顺序扫描大表，在Map阶段直接进行Join，将数据传递给下一个MapReduce任务
Common Join
6.hadoop分布式的优点以及实现
方便----->不需昂贵和高可靠的硬件资源，商用硬件即可
弹性------>集群节点很容易扩展或卸载
健壮----->故障检测和自动恢复
简单----->用户可以快速编写出高效的并行分布代码
7.假如我是你学弟介绍一下分布式
8.分布式数据库和普通数据库的区别或者说是优缺点
9.讲下星型模型是什么
10.为什么要用数仓而不是普通数据库，hive和传统数据库之间的区别
1、写时模式和读时模式
传统数据库是写时模式，在load过程中，提升了査询性能，因为预先解析之后可以对列建立索引，并压缩，但这样也会花费更多的加载时间。
Hive是读时模式，1 oad data非常迅速，因为它不需要读取数据进行解析，仅仅进行文件的复制或者移动。
2、数据格式。Hive中没有定义专门的数据格式，由用户指定，需要指定三个属性:列分隔符，行分隔符，以及读取文件数据的方法。数据库中，存储引擎定义了自己的数据格式。所有数据都会按照一定的组织存储
3、数据更新。Hive的内容是读多写少的，因此，不支持对数据的改写和删除，数据都在加载的时候中确定好的。数据库中的数据通常是需要经常进行修改
4、执行延迟。Hive在查询数据的时候，需要扫描整个表(或分区)，因此延迟较高，只有在处理大数据是才有优势。数据库在处理小数据是执行延迟较低。
5、索引。Hive比较弱，不适合实时查询。数据库有。
6、执行。Hive是 Mapreduce，数据库是 Executor
7、可扩展性。Hive高，数据库低
8、数据规模。Hive大，数据库小
11.校园经历
12.职业规划
13.反问环节
14.hr回来和你聊非技术
然后你就可以回家了