大家好，我是蓦然~ 大数据面试题V3.0完成了。共523道题，779页，46w+字，来源于牛客870+篇面经。
下面大概介绍下这版面试题的大概内容，主要分为以下几部分：
Hadoop面试题：100道
Zookeeper面试题：21道
Hive面试题：47道
Flume面试题：11道
Kafka面试题：59到
HBase面试题：36道
Spark面试题：97道
Flink面试题：40道
数仓面试题：25道
综合面试题：43道
数据库（MySQL）面试题：44道
总共523道题
一、Hadoop面试题
Hadoop基础
- 介绍下Hadoop
- Hadoop的特点
- 说下Hadoop生态圈组件及其作用
- Hadoop主要分哪几个部分?他们有什么作用?
- Hadoop 1.x，2x，3.x的区别
- Hadoop集群工作时启动哪些进程?它们有什么作用?
- 在集群计算的时候，什么是集群的主要瓶颈
- 搭建Hadoop集群的xml文件有哪些?
- Hadoop的checkpoint流程
- Hadoop的默认块大小是多少?为什么要设置这么大?
- Block划分的原因
- Hadoop常见的压缩算法?
- Hadoop作业提交到YARN的流程?
- Hadoop的Combiner的作用
- Hadoop序列化和反序列化
- Hadoop的运行模式
- Hadoop小文件处理问题
- Hadoop为什么要从2.x升级到3.x?
- Hadoop的优缺点
HDFS部分
- HDFS文件写入和读取流程
- HDFS组成架构
- 介绍下HDFS，说下HDFS优缺点，以及使用场景
- HDFS作用
- HDFS的容错机制
- HDFS的存储机制
- HDFS的副本机制
- HDFS的常见数据格式，列式存储格式和行存储格式异同点，列式存储优点有哪些?
- HDFS如何保证数据不丢失?
- HDFS NameNode高可用如何实现?需要哪些角色?
- HDFS的文件结构?
- HDFS的默认副本数?为什么是这个数量?如果想修改副本数怎么修改?
- 介绍下HDFS的Block
- HDFS的块默认大小，64M和128M是在哪个版本更换的?怎么修改默认块大小?
- HDFS的block为什么是128M?增大或减小有什么影响?
- HDFS HA怎么实现?是个什么架构?
- 导入大文件到HDFS时如何自定义分片?
- HDFS的mapper和reducer的个数如何确定?reducer的个数依据是什么?
- HDSF通过那个中间组件去存储数据
- HDFS跨节点怎么进行数据迁移
- HDFS的数据-致性靠什么保证?
- HDFS怎么保证数据安全
- HDFS中向DataNode写数据失败了怎么办
- Hadoop2.xHDFS快照
- HDFS文件存储的方式?
- HDFS写数据过程，写的过程中有哪些故障，分别会怎么处理?
- NameNode存数据吗?
- 使用NameNode的好处
- HDFS中DataNode怎么存储数据的
- 直接将数据文件上传到HDFS的表目录中，如何在表中查询到该数据?
MapReduce部分
- 介绍下MapReduce
- MapReduce优缺点
- MapReduce架构
- MapReduce工作原理
- MapReduce哪个阶段最费时间
- MapReduce中的Combine是干嘛的?有什么好外?
- MapReduce为什么一定要有环型缓冲区
- MapReduce为什么一定要有Shuffle过程
- MapReduce的Shuffle过程及其优化
- Reduce怎么知道去哪里拉Map结果集?
- Reduce阶段都发生了什么，有没有进行分组
- MapReduce Shuffle的排序算法
- shuffle为什么要排序?
- 说一下map是怎么到reduce的?
- 说一下你了解的用哪几种shuffle机制?
- MapReduce的数据处理过程
- mapjoin的原理(实现)?应用场景?
- reducejoin如何执行(原理)
- MapReduce为什么不能产生过多小文件
- MapReduce分区及作用
- ReduceTask数量和分区数量关系
- Map的分片有多大
- MapReduce join两个表的流程?
- 手撕一段简单的MapReduce程序
- reduce任务什么时候开始?
- MapReduce的reduce使用的是什么排序?
- MapReduce怎么确定MapTask的数量?
- Map数量由什么决定
- MapReduce的map进程和reducer进程的ivm垃圾回收器怎么选择可以提高吞吐量?
- MapReduce的task数目划分
- MapReduce作业执行的过程中，中间的数据会存在什么地方?不会存在内存中么?
- Mapper端进行combiner之后，除了速度会提升，那从Mapper端到Reduece端的数据量会怎么变?
- map输出的数据如何超出它的小文件内存之后，是落地到磁盘还是落地到HDFS中?
- Map到Reduce默认的分区机制是什么?
- 结合wordcount述说MapReduce，具体各个流程，map怎么做，reduce怎么做
- MapReduce数据倾斜产生的原因及其解决方案
- Map Join为什么能解决数据倾斜
- MapReduce运行过程中会发生OOM，OOM发生的位置？
- MapReduce用了几次排序，分别是什么？
- MapReduce压缩方式
- MapReduce中怎么处理一个大文件
YARN部分
- 介绍下YARN
- YARN有几个模块
- YARN工作机制
- YARN有什么优势，能解决什么问题?
- YARN容错机制
- YARN高可用
- YARN调度器
- YARN中Container是如何启动的?
- YARN的改进之处，Hadoop3.x相对于Hadoop 2.x?
- YARN监控
二、Zookeeper面试题
- 介绍下Zookeeper是什么?
- Zookeeper有什么作用?优缺点?有什么应用场景?
- Zookeeper的选举策略，leader和follower的区别?
- 介绍下Zookeeper选举算法
- Zookeeper的节点类型有哪些?分别作用是什么?
- Zookeeper的节点数怎么设置比较好?
- Zookeeper架构
- Zookeeper的功能有哪些
- Zookeeper的数据结构(树)?基于它实现的分布式锁?基于它实现的Master选举?基于它的集群管理? Zookeeper的注册(watch)机制使用场景?
- 介绍下Zookeeper消息的发布订阅功能
- Zookeeper的分布式锁实现方式?
- Zookeeper怎么保证一致性的
- Zookeeper的zab协议(原子广播协议)?
- ZAB是以什么算法为基础的?ZAB流程?
- Zookeeper的通知机制
- Zookeeper脑裂问题
- Zookeeper的Paxos算法
- Zookeeper的协议有哪些?
- Zookeeper如何保证数据的一致性?
- Zookeeper的数据存储在什么地方?
- Zookeeper从三台扩容到七台怎么做?
三、Hive面试题
- 说下为什么要使用Hive?Hive的优缺点?Hive的作用是什么?
- 说下Hive是什么?跟数据仓库区别?
- Hive架构
- Hive内部表和外部表的区别?
- 为什么内部表的删除，就会将数据全部删除，而外部表只删除表结构?为什么用外部表更好?
- Hive建表语句?创建表时使用什么分隔符?
- Hive删除语句外部表删除的是什么?
- Hive数据倾斜以及解决方案
- Hive如果不用参数调优，在map和reduce端应该做什么
- Hive的用户自定义函数实现步骤与流程
- Hive的三种自定义函数是什么?实现步骤与流程?它们之间的区别?作用是什么?
- Hive的cluster by、sort bydistribute by、orderby区别?
- Hive分区和分桶的区别
- Hive的执行流程
- Hive SQL转化为MR的过程?
- Hive SQL优化处理
- Hive的存储引擎和计算引擎
- Hive的文件存储格式都有哪些
- Hive中如何调整Mapper和Reducer的数目
- 介绍下知道的Hive窗口函数，举一些例子
- Hive的count的用法
- Hive的union和unionall的区别
- Hive的join操作原理，leftjoin、right join、inner join、outer join的异同?
- Hive如何优化join操作
- Hive的mapjoin
- Hive语句的运行机制，例如包含where、having、group by、orderby，整个的执行过程?
- Hive使用的时候会将数据同步到HDFS，小文件问题怎么解决的?
- Hive Shuffle的具体过程
- Hive有哪些保存元数据的方式，都有什么特点?
- Hive SOL实现查询用户连续登陆，讲讲思路
- Hive的开窗函数有哪些
- Hive存储数据吗
- Hive的SOL转换为MapReduce的过程?
- Hive的函数:UDF、UDAF、UDTF的区别?
- UDF是怎么在Hive里执行的
- Hive优化
- row_number，rank，dense_rank的区别
- Hive count(distinct)有几个reduce，海量数据会有什么问题
- HQL：行转列、列转行
- 一条HQL从代码到执行的过程
- 了解Hive SQL吗？讲讲分析函数？
- 分析函数中加Order By和不加Order By的区别？
- Hive优化方法
- Hive里metastore是干嘛的
- HiveServer2是什么？
- Hive表字段换类型怎么办
- parquet文件优势
四、Flume面试题
- 介绍下Flume
- Flume架构
- Flume有哪些Source
- 说下Flume事务机制
- 介绍下Flume采集数据的原理？底层实现？
- Flume如何保证数据的可靠性
- Flume传输数据时如何保证数据一致性（可靠性）
- Flume拦截器
- 如何监控消费型Flume的消费情况
- Kafka和Flume是如何对接的？
- 为什么要使用Flume进行数据采集
五、Kafka面试题
- 介绍下Kafka，Kafka的作用?Kafka的组件?适用场景?
- Kafka作为消息队列，它可解决什么样的问题?
- 说下Kafka架构
- 说下Kafka的特点，优缺点
- Kafka相比于其它消息组件有什么好处?
- Kafka生产者与消费者
- Kafka分区容错性
- Kafka的消费端的数据一致性
- Kafka的leader挂掉之后处理方法
- 说下Kafka的ISR机制
- Kafka的选举机制
- Kafka的ISR、OSR和ACK介绍，ACK分别有几种值?
- Kafka的工作原理?
- Kafka怎么保证数据不丢失，不重复?
- Kafka分区策略
- Kafka如何尽可能保证数据可靠性?
- Kafka数据丢失怎么处理?
- Kafka如何保证全局有序?
- 牛产者消费者模式与发布订阅模式有何异同?
- Kafka的消费者组是如何消费数据的
- Kafka的offset管理
- Kafka为什么同一个消费者组的消费者不能消费相同的分区?
- 如果有一条offset对应的数据，消费完成之后，手动提交失败，如何处理?
- 正在消费一条数据，Kafka挂了，重启以后，消费的offset是哪一个
- Kafka支持什么语义，怎么实现ExactlyOnce?
- Kafka的消费者和消费者组有什么区别?为什么需要消费者组?
- Kafka producer的写入数据过程?
- Kafka producer的ack设署
- Kafka的ack机制，解决了什么问题?
- Kafka读取消息是推还是拉的模式?有什么好?
- Kafka如何实现高吞吐的原理?
- 说下Kafka中的Partition?
- Kafka是如何进行数据备份的?
- Kafka里面存的数据格式是什么样的?
- Kafka是如何清理过期文件的?
- Kafka的一条message中包含了哪些信息?
- Kafka如何保证数据的ExactlyOnce?
- Kafka消费者怎么保证ExactlyOnce
- Kafka监控实现?
- Kafka中的数据能彻底删除吗?
- Kafka复制机制?
- Kafka分区多副本机制?
- Kafka分区分配算法
- Kafka蓄水池机制
- Kafka如何实现享等性?
- Kafka的offset存在哪?
- Kafka中如何保证数据一致性?
- Kafka新旧API区别
- Kafka消息在磁盘上的组织方式
- Kafka在哪些地方会有选举过程，使用什么工具支持选举?
- Kafka搭建过程要配置什么参数?
- Kafka的单播和多播
- Kafka的高水位和Leader Epoch
- Kafka的分区器、拦截器、序列化器?
- Kafka连接Spark Streaming的几种方式
- Kafka的生成者客户端有几个线程?
- Kafka怎么防止脑裂
- Kafka高可用体现在哪里
- Zookeeper在Kafka的作用
六、HBase面试题
- 介绍下HBase
- HBase优缺点
- 说下HBase原理
- 介绍下HBase架构
- HBase读写数据流程
- HBase的读写缓存
- 在删除HBase中的一个数据的时候，它什么时候真正的进行删除呢?当你进行删除操作，它是立马就把数据删除掉了吗?
- HBase中的二级索引
- HBase的RegionServer宕机以后怎么恢复的?
- HBase的一个region由哪些东西组成?
- HBase高可用怎么实现的?
- 为什么HBase适合写多读少业务?
- 列式数据库的适用场景和优势?列式存储的特点?
- HBase的rowkey设计原则
- HBase的rowkey为什么不能超过一定的长度?为什么要唯一?rowkey太长会影响Hfile的存储是吧?
- HBase的RowKey设置讲究有什么原因
- HBase的大合并、小合并是什么?
- HBase和关系型数据库(传统数据库)的区别(优点)?
- HBase数据结构
- HBase为什么随机查询很快?
- HBase的LSM结构
- HBase的Get和Scan的区别和联系?
- HBase数据的存储结构(底层存储结构)
- HBase数据compact流程?
- HBase的预分区
- HBase的热点问题
- HBase的memstore冲刷条件
- HBase的MVCC
- HBase的大合并与小合并，大合并是如何做的?为什么要大合并
- 既然HBase底层数据是存储在HDFS上，为什么不直接使用HDFS，而还要用HBase
- HBase和Phoenix的区别
- HBase支持SQL操作吗
- HBase适合读多写少还是写多读少
- HBase表设计
- Region分配
- HBase的Region切分
七、Spark面试题
- Spark的任务执行流程
- Spark的运行流程
- Spark的作业运行流程是怎么样的?
- Spark的特点
- Spark源码中的任务调度
- Spark作业调度
- Spark的架构
- Spark的使用场景
- Spark on standalone模型、YARN架构模型(画架构图)
- Spark的yarn-cluster涉及的参数有哪些?
- Spark提交job的流程
- Spark的阶段划分
- Spark处理数据的具体流程说下
- Sparkjoin的分类
- Spark map join的实现原理
- 介绍下Spark Shuffle及其优缺点
- 什么情况下会产生Spark Shuffle?
- 为什么要Spark Shuffle?
- Spark为什么快?
- Spark为什么适合迭代处理?
- Spark数据倾斜问题，如何定位，解决方案
- Spark的stage如何划分?在源码中是怎么判断属于Shuffle Map Stage或Result Stage的?
- Spark join在什么情况下会变成窄依赖?
- Spark的内存模型?
- Spark分哪几个部分(模块)?分别有什么作用(做什么，自己用过哪些，做过什么)?
- RDD的宽依赖和窄依赖，举例一些算子
- Spark SQL的GroupBy会造成窄依赖吗?
- GroupBy是行动算子吗
- Spark的宽依赖和窄依赖，为什么要这么划分?
- 说下Spark中的Transform和Action，为什么Spark要把操作分为Transform和Action?常用的列举一些，说下算子原理
- Spark的哪些算子会有shuffle过程?
- Spark有了RDD，为什么还要有Dataform和DataSet?
- Spark的RDD、DataFrame、DataSet、DataStream区别?
- Spark的Job、Stage、Task分别介绍下，如何划分?
- Application、job、Stage、task之间的关系
- Stage内部逻辑
- 为什么要根据宽依赖划分Stage?为
- 什么要划分Stage
- Stage的数量等于什么
- 对RDD、DAG和Task的理解
- DAG为什么适合Spark?
- 介绍下Spark的DAG以及它的生成过程
- DAGScheduler如何划分?干了什么活?
- Spark容错机制?
- RDD的容错
- Executor内存分配?
- Spark的batchsize，怎么解决小文件合并问题?
- Spark参数(性能)调优
- 介绍一下Spark怎么基于内存计算的
- 说下什么是RDD(对RDD的理解)?RDD有哪些特点?说下知道的RDD算子
- RDD底层原理
- RDD属性
- RDD的缓存级别?
- Spark广播变量的实现和原理?
- reduceByKey和groupByKey的区别和作用?
- reduceByKey和reduce的区别?
- 使用reduceByKey出现数据倾斜怎么办?
- Spark SQL的执行原理?
- Spark SQL的优化?
- 说下Spark checkpoint
- Spark SQL与DataFrame的使用?
- Sparksql自定义函数?怎么创建DataFrame?
- HashPartitioner和RangePartitioner的实现
- Spark的水塘抽样
- DAGScheduler、TaskScheduler、SchedulerBackend实现原理
- 介绍下Sparkclient提交application后，接下来的流程?
- Spark的几种部署方式
- 在Yarn-client情况下，Driver此时在哪
- Spark的cluster模式有什么好处
- Driver怎么管理executor
- Spark的map和flatmap的区别?
- Spark的cache和persist的区别?它们是transformaiton算子还是action算子?
- Saprk Streaming从Kafka中读取数据两种方式?
- Spark Streaming的工作原理?
- Spark Streaming的DStream和DStreamGraph的区别?
- Spark输出文件的个数，如何合并小文件?
- Spark的driver是怎么驱动作业流程的?
- Spark SQL的劣势?
- 介绍下Spark Streaming和Structed Streaming
- Spark为什么比Hadoop速度快?
- DAG划分Spark源码实现?
- Spark Streaming的双流join的过程，怎么做的?
- Spark的Block管理
- Spark怎么保证数据不丢失
- Spark SQL如何使用UDF?
- Spark温度二次排序
- Spark实现wordcount
- Spark Streaming怎么实现数据持久化保存?
- Spark SQL读取文件，内存不够使用，如何处理?
- Spark的lazy体现在哪里?
- Spark中的并行度等于什么
- Spark运行时并行度的设署
- Spark SQL的数据倾斜
- Spark的exactly-once
- Spark的RDD和partition的联系
- park 3.0特性
- Spark计算的灵活性体现在哪里
八、Flink面试题
- Flink架构
- Flink的窗口了解哪些，都有什么区别，有哪几种?如何定义?
- Flink窗口函数，时间语义相关的问题
- 介绍下Flink的watermark(水位线)，watermark需要实现哪个实现类，在何处定义?有什么作用?
- Flink的窗口(实现)机制
- 说下Flink的CEP
- 说一说Flink的Checkpoint机制
- Flink的Checkpoint底层如何实现的?savepoint和checkpoint有什么区别?
- Flink的Checkpoint流程
- Flink Checkpoint的作用
- Flink中Checkpoint超时原因
- Flink的ExactlyOnce语义怎么保证?
- Flink的端到端ExactlyOnce
- Flink的水印(Watermark)，有哪几种?
- Flink的时间语义
- Flink相比于其它流式处理框架的优点?
- Flink和Spark的区别?什么情况下使用Flink?有什么优点?
- Flink backPressure反压机制，指标监控你是怎么做的?
- Flink如何保证一致性?
- Flink支持JobMaster的HA啊?原理是怎么样的?
- 如何确定Flink任务的合理并行度?
- Flink任务如何实现端到端一致?
- Flink如何处理背(反)压?
- Flink解决数据延迟的问题
- Flink消费kafka分区的数据时flink件务并行度之间的关系
- 使用flink-client消费kafka数据还是使用flink-connector消费
- 如何动态修改Flink的配置，前提是Flink不能重启
- Flink流批一体解释一下
- 说一下Flink的check和barrier
- 说一下Flink状态机制
- Flink广播流
- Flink实时topN
- 在实习中一般都怎么用Flink
- Savepoint知道是什么吗
- 为什么用Flink不用别的微批考虑过吗
- 解释一下啥叫背压
- Flink分布式快照
- Flink SQL解析过程
- Flink on YARN模式
- Flink如何保证数据不丢失
九、数据仓库面试题
- 介绍下数据仓库
- 数仓的基本原理
- 数仓架构
- 数据仓库分层(层级划分)，每层做什么?分层的好处?
- 数据分层是根据什么?
- 数仓分层的原则与思路
- 数仓建模常用模型吗?区别、优缺点?
- 星型模型和雪花模型的区别?应用场景?优劣对比
- 数仓建模有哪些方式?
- 数仓建模的流程?
- 维度建模的步骤，如何确定这些维度的
- 维度建模和范式建模区别
- 维度表和事实表的区别?
- 什么是ER模型?
- OLAP、OLTP解释(区别)三范式是什么，举些例子
- 维度设计过程，事实设计过程
- 维度设计中有整合和拆分，有哪些方法，并详细说明
- 事实表设计分几种，每一种都是如何在业务中使用
- 单事务事实表、多事务事实表区别与作用
- 说下一致性维度、一致性事实、总线矩阵
- 从ODS层到DW层的ETL，做了哪些工作?
- 数据仓库与(传统)数据库的区别?
- 数据质量是怎么保证的，有哪些方法保证
- 怎么衡量数仓的数据质量，有哪些指标
- 增量表、全量表和拉链表
十、综合部分面试题
- Saprk和Flink的区别
- Flink和Spark Streaming处理数据的时候，分别怎么做?各自优势点?
- 为什么你觉得Flink比Spark Streaming好?
- SaprkStreaming相比Flink有什么优点
- Flink和Spark对于批处理的区别?
- Flink+Kafka怎么保证精准一次性消费
- Hive和MySQL不同?
- Hive与HBase的区别?
- Hive与HDFS的关系与区别?
- Spark和Hive的区别
- Spark和Hive的联系
- Hive和传统数据库的区别
- Spark和Hive对比，谁更好，你觉得为什么
- MySQL和HBase的对比(区别)
- Spark和Hadoop之间的区别
- Spark为什么比MapReduce运行快?原因有哪些?
- Spark和MapReduce之间的区别?各自优缺点?
- Spark相比MapReduce的优点
- 是不是用了Spark就不需要Hadoop了?
- SparkStreaming和Storm的区别
- Flume和Kafka的区别?
- 为什么使用Flume+Kafka?
- Flume和Kafka是怎么配置的
- Spark Streaming与Kafka集成，如何保证Exactly Once语义
- Spark Shuffle和MapReduce Shuffle的区别?说下各自的特点和过程
- 若Spark要保存数据到HDFS上，要用什么算子?
- Hive SQL和Spark SOL的区别?各自优势和不足?为什么不用Spark SQL替代Hive SOL?
- 分布式存储系统和分布式计算框架区别?
- ETL过程?
- 数据湖和数据仓库的区别
- 离线处理和实时处理的区别
- 实时数仓和离线数仓的区别?
- Hadoop (HDFS)和MySQL的区别?
- 说说Storm、Flink、Spark的区别，各自的优缺点，适用场景
- HDFS与HBase有什么关系?
- 存储格式的选择，行式存储与列式存储的优劣
- Hive、HBase、HDFS之间的关系
- Hive中的数据在哪存放，MySQL的在哪存放?
- 当数据量非常多，HDFS扛不住Flume采集的压力怎么办
- Hadoop和gp(GreenPlum)区别
- MapReduce/Spark手撕WordCount
- 为什么要使用Scala开发Spark而不使用python
- Scala和Java有什么区别
十一、数据库面试题
- 数据库中的事务是什么，MySQL中是怎么实现的
- MySQL事务的特性?
- 数据库事务的隔离级别?解决了什么问题?默认事务隔离级别?
- 脏读，幻读，不可重复读的定义
- MySQL怎么实现可重复读?
- 数据库第三范式和第四范式区别?
- MySQL的存储引擎?
- 数据库有哪些锁?
- 说下悲观锁、乐观锁
- 分布式数据库是什么?
- 死锁产生的条件是什么?如何预防死锁?
- 介绍下数据库的ioin(内连接，外连接，全连接)，内连接和外连接(左，右连接)的区别
- MySQL的join过程
- MySQL有哪些存储引擎?
- 数据库中存储引擎MvlSAM与InnoDB的区别
- Mylsam适用于什么场景?
- InnoDB和Mvlsam针对读写场景?
- MySQL Innodb实现了哪个隔离级别?
- InnoDB数据引擎的特点
- InnoDB用什么索引
- Hash索引缺点
- 数据库索引的类型，各有什么优缺点?
- MySQL的索引有哪些?索引如何优化?
- 有哪些数据结构可以作为索引呢?
- B树与B+树的区别?
- 为什么使用B+树作为索引结构?
- 不使用B+树，可以用那个数据类型实现一个索引结构
- 介绍下MySQL的联合索引联合索使用原则
- 数据库有必要建索引吗?
- MySQL缺点?
- 什么是脏读?怎么解决?
- 为什么要有三大范式，建数据库时一定要遵循吗?
- 数据库一般对哪些列建立索引?索引的数据结构?
- MySOL中索引的建立需要考虑哪些问题
- 关系型数据库与非关系型数据库区别
- MySQL与Redis区别
- 列式数据库和行式数据库优劣比对
- 除了UTF-8还有什么编码格式
- 布隆过滤器的基本原理是什么？局限性是什么？使用什么方法可以增加删除的功能？
- 你在哪些场景下使用了布隆过滤器？
- SQL慢查询的解决方案（优化）？
- 聚簇索引、非聚簇索引说一下
- 哈希索引和B+相比的优势和劣势？
- MVCC知道吗？
十二、结语
面试题总结是一个长期工作，面试不停，这份面试题总结就不会停。以后会慢慢把Java相关的面试题、计算机网络等都加进来，其实这不仅仅是一份面试题，更是一份面试参考，让你熟悉面试题各种提问情况，当然，项目部分，就只能看自己了，毕竟每个人简历、实习、项目等都不一样。
这份面试题后续会一个季度或半年更新一次版本。
