30个常见的大数据面试题：
- 包含spark、scala、storm、hadoop等常见的大数据处理工具；
- 常用的分布式数据库如hbase、MongoDB、Redis等；
- 其他常用的java基础、linux相关技术等
1.scala 语言有什么特点，什么是函数式编程？有什么优点
2.scala 伴生对象有什么作用
3.scala 并发编程是怎么弄得，你对 actor 模型怎么理解有何优点
4.Spark如何处理结构化数据，Spark如何处理非结构话数据？
5.Spark性能优化主要有哪些手段？
6.对于Spark你觉得他对于现有大数据的现状的优势和劣势在哪里？
7.对于算法是否进行过自主的研究设计？
8.简要描述你了解的一些数据挖掘算法与内容
9.怎么用spark做数据清洗
10.跟我聊聊spark的应用，商场里广告投放，以及黄牛检测
11.spark读取 数据，是几个Partition呢？ hdfs几个block 就有几个 Partition？
12.Mogodb和hbase的区别
13.开发中遇到的问题
14.HIVE的优化
15.linux的启动顺序
16.编译好的scala程序，运行时还需要scala环境吗
17.Write a java program to implement Stack in java.
18.Linkedlist和ArrayList的区别
19.hadoop中combiner的作用
20.用mr设计一个分组排重计数算法
21.用MapReduce找出存在公共好友的两个人
22.hdfs存储机制
23.MapReduce原理
24.hadoop运行原理
25.hadoop 的 namenode 宕机,怎么解决
26.Hbase 的特性,以及你怎么去设计 rowkey 和 columnFamily ,怎么去建一个table
27.Redis,传统数据库,hbase,hive 每个之间的区别(问的非常细)
28.说下对hadoop 的一些理解,包括哪些组件
29.详细讲解下你流式实时计算的项目部署以及收集的结果情况
30.实时流式计算框架,几个人,多长时间,细节问题,包括讲flume ,kafka ,storm 的各个的组件组成,你负责那一块,如果需要你搭建你可以完成么?
其他可参考：
https://blog.csdn.net/u011682879/article/details/55804178
https://blog.csdn.net/Y_215/article/details/78219656