数据采集面试常见问题与回答

数据采集面试官关注您的采集量级、延迟、完整性、容灾机制及增量同步经验。回答时需用具体数据（QPS、延迟、完整性）证明采集系统的可靠性。本文通过案例，教您展现数据采集的专业深度。

案例一：关于如何保证数据不丢失

面试官问：高峰期日志量暴增，如何确保数据不丢失且延迟可控？

求职者答：我会设计双链路容灾和本地磁盘缓存，Flume channel选用Kafka+File channel组合，Kafka副本数设为3。同时配置限流和背压机制，防止下游崩溃。之前日均200亿条日志，峰值QPS50万，完整性99.99%，延迟<5秒。还做了断点续传，故障恢复<1分钟，全年无数据丢失。

案例二：关于如何实现MySQL增量同步

面试官问：业务库MySQL表结构会变，如何保证实时增量同步的稳定性？

求职者答：我会使用Canal监听binlog，支持GTID和断点续传。对于DDL变更，配置自动适配新列，同时将异常数据打入死信队列，并告警人工处理。之前同步千张表，日增TB级数据，延迟<1秒，数据对账差异率<0.01%。还设计了全量+增量双轨机制，保证初始化一致性。

总结

数据采集面试回答要突出“采集量”“延迟”“完整性”“增量同步”。用QPS、延迟、完整性等数据证明系统可靠性。让数据采集成为数据流的坚实源头，成为您最好的名片。