1、项目都分析过哪些业务模型
参考各个需求文档：
- 离线的报表（展示量，点击量，点击率，参与竞价数，竞价成功数，消费）
- 终端设备分析（运营商，联网方式，操作系统，客户端）
- 渠道分析
- 媒体分析
- 统一用户识别
- 数据标签化
- 用户上下文标签合并
- 图计算再次合并标签
- 把标签存入HBase，再次合并标签 --> 数据到了HBase以后，就到了精准营销部门
2、项目中的知识点
1）parquet文件存储（列式存储）
a、可以跳过不符合条件的数据，只读取需要的数据，降低IO数据量
b、压缩编码可以降低磁盘存储空间，由于同一列的数据类型是一样的，可以使用不同的压缩编码。
c、只读取需要的列，支持向量运算，能够获取更好的扫描性
d、parquet 适配多种计算框架，查询引擎（Hive，Impala，Pig，IBM Big SQL）；计算框架（MapReduce，Spark，Kite，Cascading等等）；数据模型（Avro，Thrift，Protocol Buffers等）
2）Spark算子运算
Map，flatMap，filter，case，groupBy，reduceByKey等。
3、面试中最常问的问题
1）首先简单的介绍一下自己的情况（一分钟的自我介绍）
2）介绍一下项目的情况（主要想观察你对项目了解多少）
答：我们做过一个DMP项目，用户画像，根据用户社会的一些特有属性，生活的习惯和一些消费行为等信息，从而抽象出一个标签化的用户模型。通过用户的调研去了解用户，然后根据他们的目标，行为和和观点的差异，将他们分为不同的类型，从而可以做一些精准的营销。
3）你们的这个项目用到哪些技术？用的是哪些版本？
答：
hadoop：2.7.5
Spark：Spark1.6.3
Java：java8
Scala：Scala2.11
4）你在开发过程中遇到了哪些问题？
答：
5）你们开发团队有多少人并说说他们干的什么活？小团队
答：一般是6 - 7人的团队
一个人运维
一个人ETL的活和Hive
两个Spark的活
一个前端
一个领导
一个实习生
6）你在公司里干什么活？平时做的项目需求？
7）说说你的上一家公司？一定不要说上一家坏话
8）为什么要离职？
9）你说说对我们公司的认识？（小公司会问）
10）你未来两到三年的规划？
11）你们这个项目写了多少行代码？一共多少个文件？写了多长时间？
答：
40多个文件，每个大概是70 - 100行左右
12）你们公司的集群多大，配置如何？（50个节点以内）
答：
一共18太节点
128G内存，（20 + 2 * 1T） 浪潮/戴尔/联想/IBM
20（数据盘）+2（系统）块硬盘 * 1 T（一个节点，一台机器）
13）你们公司有测试集群吗？多大？
答：
50个节点 -> 4台测试
20个节点 -> 3台测试（HA，分布式的效果）
14）每天的数据量有多大？压缩前后比例是3:1
答：
压缩前：150G左右
压缩后：40G左右
15）每天有多少条数据？
答：
16）每条数据多大？
答：
4KB左右
17）每条数据有多少个字段？
答：
90个字段
18）你们的数据保留周期是多少？
答：
一个月
集群一定要存的下这个值：（30 * 每天的数据量 * 3个副本）
20）你们公司一天跑多少个脚本？
答：
60左右，20个是常态化的脚本
21）跑一个脚本需要多长时间？
答：
5分钟左右
3-6分钟：太快了吧 。（我们调优做得好，我们集群性能也不错）
10分钟：太慢了吧。（我们集群性能不是很好）
22）当一个项目问到了一些需求？
答：
实在说你清楚的时候，就说是同事做的
23）必须要会的代码（具有一票否决权）
答：
手写冒泡排序
手写wordcount
手写单例模式