大数据工程师（ETL）面试系列（1）

1. 你觉得Spark和Hadoop的区别是什么,请简要说一说？

我：Hadoop适合离线分析，是批处理；Spark适合实时分析，是近实时流，微批处理。

2. 你觉得Python和Java在使用起来，有什么区别？

我：其实自己在平时使用的时候,并没有过度割裂开这两种，因为毕竟自己是结果导向所以无论Python的缩进格式还是Java的要加逗号，最后可以实现我的需求就可以了。
补：如今，再来审视这个问题，会发现其实在使用过程中，Python，Java确实有一些需要你拐个弯注意下的，比如【Python】list的remove函数和【Java】list的remove方法，同名异能。以及Python一些轮子如何用Java去实现也是要注意的。

3. 给你两张表，表A和表B，其中表A有3条数据，表B有5条数据，问：表A left join 表B后有几条？

我：小于等于A表条数，也就是小于等于3条
补：现在看来，当时陷入了工作中带来的一个误区，就是面试官可没说join的字段是主键，它可以不唯一哈，不唯一就会导致大于3条，因为有重复，而B表记录不足的地方均为NULL，所以可能小于吗？不信客官你看：
例1：
A表的记录数在B表中全都有且B表id唯一

例2
A表的记录在C表中有缺失但C表记录唯一：

例3
A表的记录在D表中全都有但D表id不唯一：

所以正解应该是大于等于A表的条数