1、数据主要有哪三大来源
（1）大量人群产生的海量数据
（2）企业应用产生的数据
（3）巨量机器产生的数据。
2、数据采集的方法有哪些
（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
数据采集在明确数据来源之后，可以根据特定行业与应用定位，确定采集的数据范围与数量， 并通过核实的数据采集方法，开展后续的数据采集工作。
4、如何看待基于Flume的数据采集
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着重要应用。
Flume收集来自各个服务器的外部数据，并以封装后event（单元）流动，其间经过channel（缓冲区），最终到达sink（目的地）。
5、针对不同的业务需求，数据清洗的方法有哪些
（1）处理缺失值
①忽略元组
②数据补齐（人工填写，特殊值填充，平均值填充，使用最有可能值填充）
③不处理（贝叶斯网络，人工神经网络）
（2）噪声数据
①回归
②分箱
③孤立点分析
（3）重复数据
①合并
②消除
6、如何看待基于MapReduce的数据清洗
在数据清洗过程主要是编写MapReduce程序，可以通过Map（映射）和Reduce（化简）的过程给予实现去重的操作。
