1、数据主要有哪三大来源？
答：①、大人群产生的海量数据；
②、大量传感器产生的海量数据；
③、科学研究和各行各业越来越依赖大数据手段来开展工作。
2、数据采集方法有哪些？
答：①、系统日志采集
②、互联网数据采集
③、App移动端数据采集
④、与数据服务机构进行合作
3、数据采集流程是怎样的？
答：首先要明确数据的来源，然后根据行业和应用的定位，来确定采集的数据范围和数量，
并通过核实的数据采集方法，来开展后续的数据采集工作。
4、如何看待基于Flume的数据采集？
答：Flume是Cloudera提供的分布式的海量日志采集、聚合和传输的系统，
在日志收集简单处理方面有重要应用。它收集来自各个服务器的外部数据，
并以封装后的event（单元）流动，其间经过channel（缓冲区），最终到达sink（目的地），
经过上述数据流向，最终达到日志数据采集的目的。
5、针对不同的业务需求，数据清洗的方法有哪些？
答：可以通过忽略元组、数据补齐或不处理的方法处理缺失值，
通过回归、分箱或孤立点分析来处理噪声数据，通过合并或者消除来处理重复数据。
6、如何看待基于MapReduce的数据清洗？
答：MapReduce程序的编写主要是通过映射与化简的过程来实现数据去重的，
对两种文件中的每行数据都可以看做是Map和Reduce函数处理后的Key值，
当出现重复的Key值时，就将其合并在一起，从而达到去重的目的。