enrio

@hotyogurt 统考 408，哪来的压分呐。初试分数比我估的少了几分，正常吧，应该是我的答案格式不太好。今年网络复试，感觉问题都挺简单的，只是复试成绩没想象中好，我以为能进前五，但是没有，可能是我有点紧张，表现的不是很自信。

@jsn386954 华师大

不看。我是去年辞职考的，今年上岸 985 。

可以先将数据集进行切分，比如第一次只要"a"开头的 id，第二次只要"b"开头的，以此类推。你可以有各种各样的方法将数据缩小到一个集群能负担的量级。
再一个使用 id 作为 key，将数据分到各个结点上去，这样 Shuffle 也不严重，数据都是在节点内部进行 join 。
对 Spark SQL 不算太了解，不知道它内部会如何进行转化。

CPU 密集型+Python+多线程=>多进程

@tctc4869 websocket 也是可以的。不要把它想得就一定要在浏览器上跑，它归根到底也只是一个应用层协议。我就用过 Java 的 websocket 客户端。

要看你是用哪种开发方式，如果是开发阶段，你的前端发送一个接口请求，这时候地址是你的 node 服务器，然后 node 作为一个代理，再把这个请求发给你的后端，后端响应 node，node 再响应前端。如果是生产阶段，是没有 node 服务器这一层的，最终的结果就是一些静态文件，需要你放在 nginx 这种 web 服务器之中使用，这时候的接口调用请求就是直接到后端服务器。其实为了规避跨域的问题，我们一般会使用 nginx 的反向代理来实现接口的调用，从前端看起来端口还是 web 服务器的端口。
你说在开发阶段，因为 IP 相同无法区分用户？其实我们很少通过 IP 来区分用户，要么是 session，要么是 cookie，node 作为代理层也会把这个头部发送给后端服务器，后端拿到这个头部就能区分用户了。
我觉得这些东西不算难，但是如果不理解的话感觉就很晕乎。