大数据开发工程师面试题 （20.04.14）网络water drop的博客-

概述

本篇博客将收集总结一些，本博主面试 大数据开发工程师 岗位遇到的面试题，虽然不一定高频，但是也算经验之谈，希望对各位有所帮助。

一

1.什么是Spark RDD

RDD：弹性分布式数据集 (Resilient Distributed DataSet)。

Spark 中最基本的数据抽象是 RDD。

创建RDD方法两种： 1.Driver并行化现有的Scala集合 2.引用外部存储系统

2.Spark算子有哪些

动作算子：map、filter、flatMap、mapPartition、mapPartitionwithIndex、coalesce、repartition、union、join、 cogroup、reduceByKey、aggregateByKey(部分即可)

转换算子：reduce、collect 、first、take 、aggregate、countByKey、foreach（部分即可）

所有的转换算子都是lazy执行的，只有在动作算子触发的时候任务才会被提交，这个时候转换算子才 会真正去执行。转换算子的返回值是RDD、而动作算子的返回值可以是Unit、Array，一个任务中只 能有一个动作算子，但是允许有多个转换算子。

3.Spark 有几种部署方式

①.Local: 运行在一台机器上，通常是练手或者测试环境。

②.Standalone:构建一个基于Mster+Slaves的资源调度集群，Spark任务提交给Master运行。是Spark自身的一个调度系统。

③.Yarn: Spark客户端直接连接Yarn，不需要额外构建Spark集群。有yarn-client和yarn-cluster两种模式，主要区别在于：Driver程序的运行节点。

④.Mesos：国内大环境比较少用。

4.什么是kafka 架构

kafka: 开源的流处理平台，该平台提供了消息的订阅与发布的消息队列，一般用作系统间解耦、异步通信、削峰填谷等作用。

5.hive出现reduce端OOM，怎么检查问题

这种情况一般是数据倾斜造成的,这时去查找聚合算子，修改该算子。

数据倾斜只会发生在shuffle过程中。这里给大家罗列一些常用的并且可能会触发shuffle操作的算子：distinct、groupByKey、reduceByKey、aggregateByKey、join、cogroup、repartition等。出现数据倾斜时，可能就是你的代码中使用了这些算子中的某一个所导致的。

6.什么是Hbase

HBase 是一个基于Hadoop的分布式,可扩展,巨大数据仓库.

7.Hbase的Rowkey设计原则

①.固定格式

②.不可使用随机的 UUID

③.将查询的数据作为rowKey的组成部分

8.规避Hbase热点写问题

①.Rowkey设计为Hash、随机值

②.在Hbase上嫁接MQ充当缓冲区

③.Rowkey设计为 hash+ElasticSearch 充当二次索引

9.多线程的创建

①.继承Thread类

②.实现Runnable接口

③.通过Callable和FutureTask创建线程

④.通过线程池创建线程

10.线程池 （根据个人理解）

线程池就是首先创建一些线程，它们的集合称为线程池。使用线程池可以很好地提高性能，线程池在系统启动时即创建大量空闲的线程，程序将一个任务传给线程池，线程池就会启动一条线程来执行这个任务，执行结束以后，该线程并不会死亡，而是再次返回线程池中成为空闲状态，等待执行下一个任务。

参考博客： https://www.cnblogs.com/jiawen010/p/11855768.html

二

1.怎么保证kafka的数据顺序消费

答：写N个queue，将具有相同key的数据都存储在同一个queue，然后对于N个线程，每个线程分别消费一个queue即可。

参考博客： https://blog.csdn.net/qq_31329893/article/details/90451889

2.hive中，一个10条数据的表left join 一个5条数据的表 on l.key=r.key 会产生多少条数据

答： 10条或以上

存在，第二个表中存在多个key相等的状态，这时，对于第一个表就有一行数据对应多行。

3.hbase与传统数据库的区别

①.数据类型
②.数据操作
③.存储模式
④.数据维护
⑤.可伸缩性
⑥.事务

参考博客： https://blog.csdn.net/joananjin/article/details/80002364

4.抽象类和接口有何区别

①.构造方法
②.成员变量
③.抽象方法
④.方法的访问类型
⑤.静态方法
⑥.静态成员变量
⑦.实现与继承

参考博客： https://blog.csdn.net/qq_41933748/article/details/82670072

5.SpringBoot的入口类、入口类的一些注解和配置文件

@SpringBootApplication
@MapperScan(…)
用在入口类上{}

application.yml 配置文件（<==>application.properties）

6.Yarn的调度器

① FIFO 单一队列 生产环境不使用

② Capacity Scheduler（容量调度器） 多队列，同时执行 ，并行度=队列数

③ Fair Sceduler（公平调度器） 多队列，执行并行度 >=队列数

7.HashMap

又是你！！！HashMap ！！！ 参考博客： https://www.cnblogs.com/duodushuduokanbao/p/9492952.html

1. 计算插入元素的key的hash值（n-1）& hash ,判断数组中是否存在该值，不存在则直接放入。存在，进行 key的 equals 判断。
2. 如果，2个key相等，则覆盖。如果key不等 ：分为 如果是链表结构 则放入链表，判断长度是否>8,大于则链表转为红黑树。如果是红黑树，则直接放入节点中。
3..计算节点数是否大于阈值 （），大于，则扩容2倍。

8.算法 (这个题的我的答案肯定不是最优解，希望有仁兄给小弟指正~)

题 :假设某几天的股票价格已知【假设数组的数据已知】，你要先买进股票（必须先买）再卖出，求你采用最优化交易手段后，获得的最大利润是多少。

CODE:

package com.baizhi; public class Temp { public static void main(String[] args) { /**          * 根据题意，假设，我们已知某5天的股票价格是 3,4,1,2,5          */ double[] prices = {3.0, 4.0, 1.0, 2.0, 5.0}; //定义一个标记值,这个值是个负值 double flag = Integer.MAX_VALUE+1; /**          * 思路：我们总是要先买股票，然后才能卖出，也就是说，卖出的价格只可能是在前一次价格之后          */         System.out.println("flag = " + flag); for (int i = 0; i < prices.length ; i++) { for (int j = i+1; j < prices.length; j++) { /**                  * 后面的价格减去前面的价格，获取差价是正数并且是最大的部分，即是我们的最大收益                  */ double temp =  prices[j] - prices[i]; //如果，这个差值大于flag,对flag,进行交换 if(temp>flag){                     flag = temp; } } }         System.out.println("最大可获取收益是 t" + flag); } } 

9.你设计的第8个程序的时间复杂度是多少（告辞，日后再解决）

参考博客：https://blog.csdn.net/virus2014/article/details/52274849