人員流動是一個企業的基本情況，每年到了招聘高峰期，找工作的朋友們都非常的緊張，有些新手甚至莫不著頭腦，無從下手，像大數據這種技術型的面試就更容易讓人緊張了。大數據面試題有哪些？不懂Java那就很麻煩了。當然也有人問大數據是什么？

　　近年我們經常會用到云，云計算也隨之興起，大數據也吸引了越來越多的關注。大數據通常用來形容一個公司創造的大量非結構化和半結構化數據，這些數據在下載到關系型數據庫用于分析時會花費過多時間和金錢。大數據分析常和云計算聯系到一起，因為實時的大型數據集分析需要像MapReduce一樣的框架來向數十、數百或甚至數千的電腦分配工作。大數據非常神奇也非常神秘，想要弄懂大數據，一時半會是很難的。在工作中成長，在工作中學習，那么想做大數據，在面試中會遇到些什么樣的問題呢？來看看吧！

　　1、你會Java語言嗎？熟悉到什么程度？

　　2、你喜歡的編程語言是什么？為什么？

　　3、處理過的的數據量？你是如何處理他們的？處理的結果如何。

　　2、在處理大數據過程中，如何保證得到期望值？

　　3、如何讓一個網絡爬蟲速度更快、抽取更好的信息以及更好總結數據從而得到一干凈的數據庫？

　　4、點擊流數據應該是實時處理？為什么？哪部分應該實時處理？

　　6、如何把非結構化的數據轉換成結構化的數據？這是否真的有必要做這樣的轉換？把數據存成平面文本文件是否比存成關系數據庫更好？

　　7、如何判別mapreduce過程有好的負載均衡？什么是負載均衡？

　　8、Spark和Hive的區別，以及Spark和Hive的數據傾斜調優問題？

　　9、Hive和Hbase的區別？

　　10、MapReduce的思想，以及MapReduce調優問題？

　　11、你所了解的開源網站？

　　12、有兩個集群，每個集群有3個節點，使用hive分析相同的數據，sql語句完全一樣，一個集群的分析結果比另外一個慢的多，給出造成這種現象的可能原因？
　　13、Hbase的優化？

　　14、集群的版本，以及集群的瓶頸問題？

　　15、CRM項目，怎么跟Spark結合？

　　16、如何創建一個關鍵字分類？

　　17、海量日志數據，提取出某日訪問百度次數多的那個IP？

　　18、Hadoop和Spark處理數據時，出現內存溢出的處理方法？

　　19、有一個1G大小的一個文件，里面每一是一個詞，詞的大小不超過16字節，內存大小限制大小1M，返回頻率的50個詞。

　　20、你是如何處理缺少數據的？你是推薦使用什么樣的處理技術，或者說你是用什么樣的技術處理呢？

　　如果不會Java，面試題就答不會，這樣難道不尷尬嗎？正如加里·金(崇拜/崇拜)說：“這是一場革命，龐大的數據資源使得各個領域開始了量化進程，無論學術界、商界還是政府，所有領域都將開始這種進程。”大數據時代，沒有Java基礎，如何開啟你的大數據時代？