百度：
1、spark如何執行fullGC
2、hive UDF有哪些類型 UDAF以及UDTF
3、spark on yarn的執行流程
4、spark的寬依賴和窄依賴
5、熟悉哪些大數據框架
6、介紹項目內容
7、1億個無序的數，如何做到全局有序
8、出題寫sql
9、遇到數據傾斜如何解決
快手：
1、hive有哪些文件存儲格式，有什麼區別，常用的有哪些？
2、UDAF和UDTF有什麼區別？
3、group by/cluster by/distribute by/sort by有啥區別？
4、hive如何解決數據傾斜，如何進行優化？
5、table表，字段user_id,login_time，求每一個user_id的第一次登陸時間以及最後一次登陸時間，求用戶的總數以及每一個用戶的登陸次數
6、寫二分查找
7、Arraylist<Interge> list，如何刪除值爲10的數
8、Arraylist<interge> list1如何轉換爲Arraylist<String> list2，使用stream流實現
9、星型模型和雪花模型的區別
10、介紹一下lateral view
抖音：
1、兩個矩陣相乘，設計用MR實現，矩陣A*矩陣B，數據存儲爲（A,i,j,value），從結果的（k,v）進行反推
2、設計一個流式處理框架，實現統計登陸用戶數量
3、[1,3,2,1] 逆序對：3，2；2，1；3，1 給定一個數組，統計逆序隊個數，實現nlogn複雜度
4、hadoop和spark的shuffle過程有啥區別
5、如何解決數據傾斜
6、介紹項目
7、讀取很多個小文件消耗的是什麼資源
8、實現join操作，MR如何設計
9、表A(order_id,order_name)，表B（order_id,order_name）,如何實現屬於表A不屬於表B的order_id
小米一面：
1、hashmap、hashtable、ConcurrentHashMap有什麼異同
2、手寫快排、算法複雜度、最壞情況
3、
4、把每科最高分前三名統計出來 --成績表Score（student_name,student_no,subject_no,score）
select student_name,student_no,subject_no,score
from
(select *,row_number() over(partition by subject_no order by score desc) rank
from Score)a
where rank<=3
5、找出單科成績高於該科平均成績的同學名單
（無論該學生有多少科，只要有一科滿足即可） --成績表Score（student_name,student_no,subject_no,score）
select student_name
from Score a
left join
(select subject_no,avg(score)
from Score
group by subject_no) b
on a.subject_no=b.subject_no and a.score>b.score
6、一個表 test(name,price),構建一個新表,將name相同的,price所有價格合併到一個字段裏面
select name,collect_set(price) from test group by name; collect_set，其與collect_list的區別就是會去重
7、如何將題6中price合併後的prices 字段再拆分爲多條記錄？
select name,price from test lateral view explode(split(prices,',')) as price;
8、hive使用過哪些功能
9、map、flatmap有什麼區別，flatmap爲空的情況
10、scala的柯里化，爲什麼要設計這個功能？
11、一個用戶訪問的網站的文件，包含用戶信息以及登陸時間，使用spark如何統計登錄網站的用戶個數以及每個用戶的登陸時間
12、spark的類如何實現序列化
13、dateFrame和dateset有什麼區別
小米二面：
1、map、flatmap有什麼區別？
2、python中import和import from有什麼區別
3、python使用過的包以及init函數有什麼作用
4、使用mapreduce設計實現兩表的join操作，以及mapsidejoin實現
5、有一張表包括用戶，用戶登陸時間，設計實現該用戶的次日留存、7日留存、15日留存、30日留存
6、python中使用if生成list
頭條：
1、介紹項目每一個項目問的都很詳細
2、詳細介紹數據庫建模
3、出題寫sql
4、介紹CAP原則，以及OLAP
5、spark的cache以及persist的區別
6、persist幾種存儲級別
7、一個鏈表，如何一次遍歷找出倒數第N個數據，使用兩個指針實現
猿輔導：
1、介紹項目以及數據倉庫內容
2、HDFS數據讀取流程
3、導致數據傾斜的情況以及解決方法
4、class、subject、student、score，每班每學科前三名學生ID
5、dt、channel、money，channel歷史累計收入超過20W的最早日期
select channel,min(dt)
(select a.channel,b.dt
from
(select channel,sum(money) summney
from table_a
group by channel
having summoney>200000) a
left JOIN
(select *
from table_a) b
on a.channel=b.channel) c
group by channel
6、表A aid,bid；表B cid,did,eid；bid既不出現在did，也不出現在eid這一列的aid的明細
7、如何遍歷二叉樹，並求出所有路徑的最大值
8、大數A和大數B，只能用字符串表示，如何實現相加計算