百度数据开发一面

1.自我介绍
2.介绍一下spark的内存模型?
3.动态内存管理中存储内存和执行内存的区别?
4.对堆外内存有了解吗?
5.有了解过oom的几种类型吗?
6.治理过数据吗?举个具体的优化案例?
7.除了提高shuffle并发，还有什么方法能优化?
8.平时在公司平台上使用的大数据组件有哪些?
9.spark是完全基于内存吗?
10.spark的几种join有了解吗?介绍一下?
11.sort join和hash join的shuffle区别?
12除了join，还有哪些操作会引起shuffle?
13.spark shuffle过程中有sort和没有sort的区别?
14.熟悉非等值连接吗?
15.sql题:求次日、三日、七日留存率。
16.如果是日增量的分区表数据量很大，如何进一步处理?
16.需要用distinct吗?代码能否优化?
17.反问环节。