1、数据完整性的保证：校验和
2、压缩的重要性及各种压缩算法的适用场景（时间性、空间性，以及是否支持mapreduce）
3、writable序列化框架：为什么不用java序列化的东西，该框架的好处（精简、快速、可拓展、可以互操作等）
4、Text与String的区别：Text通过字节的偏移量进行索引（还有其他区别）
5、基于文件的数据结构：sequenceFile、MapFile以及他们的扩展
6、Avro数据序列化系统