1. hadoop 使用什么版本，CDH版本号，是5.3.6 。hadoop的版本是2.72，记住cdh的版本号和hadoop版本号不一样。
2. flume是单节点采集数据还是多节点采集数据？flume是自定义框架还是用官方提供的框架？官方框架开发中有什么问题吗？
flume是多节点采集数据，框架用的是官方的框架，基于官网进行配置。官网提供的flume会出现丢包的情况，但是数据量不是很大的情况下，我们没有考虑丢包这个问题。
3. Flume采集数据时如果出现了数据拥堵应该怎么处理？
4. Flume开发中主要的source源头？
1. Avro Source监听AVRO端口来接受来自外部AVRO客户端的事件流。利用Avro Source可以实现多级流动、扇出流、扇入流等效果。另外也可以接受通过flume提供的Avro客户端发送的日志信息。
2. Spooling Directory Source这个Source允许你将将要收集的数据放置到"自动搜集"目录中。这个Source将监视该目录，并将解析新文件的出现。事件处理逻辑是可插拔的，当一个文件被完全读入通道，它会被重命名或可选的直接删除。
3.NetCat Source一个NetCat Source用来监听一个指定端口，并将接收到的数据的每一行转换为一个事件。
4.HTTP Source：HTTP Source接受HTTP的GET和POST请求作为Flume的事件,其中GET方式应该只用于试验。该Source需要提供一个可插拔的"处理器"来将请求转换为事件对象，这个处理器必须实现HTTPSourceHandler接口，该处理器接受一个 HttpServletRequest对象，并返回一个Flume Envent对象集合。从一个HTTP请求中得到的事件将在一个事务中提交到通道中。因此允许像文件通道那样对通道提高效率。如果处理器抛出一个异常，Source将会返回一个400的HTTP状态码。如果通道已满，无法再将Event加入Channel，则Source返回503的HTTP状态码，表示暂时不可用。要注意的是，放置到自动搜集目录下的文件不能修改，如果修改，则flume会报错。另外，也不能产生重名的文件，如果有重名的文件被放置进来，则flume会报错。
5. 定时任务用什么，如果hive出现任务失败了怎么办？
这个可以用oozie用来监控任务调度，如果任务失败可以在oozie端发现，并且重新启动任务。
6. 项目中的一些参数，项目架构介绍？要很熟悉自己的项目，包括项目中一些参数。比如简要介绍一下某个项目的架构流程。以及某个项目的开发周期，开发中遇到了什么问题？（记住，大厂问具体知识点，小公司面试都是直接撸项目的）
7. 项目流程，要对自己的项目中参数很熟悉，参数配置容易
8. shuffle过程，简要概述一下。
9. hive使用中的参数配置？
这个比如针对实际开发中，依据实际开发中job的大小和集群的配置，比如设置，job内存大小，cpu核数等等，就是hive的开发优化吧。
10. exec什么意思，hadoop常见的文件格式
比如：SequenceFile，RCFile，Avro等等。
11. Flume和kafka的使用，搭配，如何进行拦截。
12. 快排，归并排序？递归？
13.kafka如果producer产生的数据源流量远大于sonsumer的消费能力怎么办？有什么好的解决方式吗？
这是个坑，实际开发中只能增加kafka集群，提高吞吐量，没有什么好的优化措施。
14.Spark跟storm的区别？spark不算是完全实时计算。
15.spark跟mr相比，主要快在哪里？