原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
高级大数据研发工程师面试题总结--第1页
高级大数据研发工程师面试题总结
1.Spark处理数据流程、并行度决定机制
2.SparkSQL解析SQL的详细流程、hash广播底层实现
3.Sparkshuffle、shuffle文件
4.groupByKey、reduceByKey、aggregateByKey、combineByKey区别
5.repartition和coalesce区别
6.Spark内存管理模型
7.Spark中能够进行下推的算子和不能进行下推的算子有哪些？谓
词下推？映射（project）下推？
8.数仓数据的存储格式（parquet+snappy），为什么使用parquet、
parquet特性、底层结构？parquet事务？parquet进行字段的新增
或删除，如何进行数据的历史数据中字段的新增或删除（非重跑数
据）？
9.Flinkwatermark
10.HDFS写数据流程、fsimage作用、如何区分HDFS热数据和冷数
据
高级大数据研发工程师面试题总结--第1页
高级大数据研发工程师面试题总结--第2页
11.数据倾斜（Spark、Hive、HBase）
12.MapReduce原理，map数、reduce数决定机制
13.说一下mapjoin与reducejoin
14.spark和hive的区别
15.udf、udtf、udaf，集成的类、接口，怎么写
16.hive文件存储格式，对比
17.parquet文件和orc文件区别
18.hive内外表区别
19.hive执行的job数是怎么确定的
20.窗口函数中几个rank函数的区别
21.cube、groupingsets、grouping__id
22.你进行过hivesql到sparksql的任务迁移吗？有没有遇到语法
/sql语句兼容性问题？
23.如何建设数仓，如何构建主题域
24.缓慢变化维几种处理方式
高级大数据研发工程师面试题总结--第2页
高级大数据研发工程师面试题总结--第3页
25.什么是维度建模，星型模型与雪花模型的区别
26.数仓建设以及分层的好处
27.怎么做数据质量，怎么保证及时性和准确性
28.维度表和事实表？
29.如何数据治理？
30.谈谈你对数据仓库、数据中台、数据湖的理解？
31.做过实时数仓吗，讲一下
32.数仓建模方法，你公司用的是什么建模方法？为什么采用这种
建模方法？
33.Yarnclient和Yarncluster区别？
34.提交到Yarn上的应用如Spark与Yarn的交互流程？
35.HBase架构、rowkey和列族设计及注意事项？为什么使用LSM
树（与传统的RDBMS如mysql的B+树对比）？
36.HBase适合读多写少还是写多读少的场景，为什么？HBase二级
索引？HBase小文件过多的原因？
高级大数据研发工程师面试题总结--第3页
高级大数据研发工程师面试题总结--第4页
37.Phoenix查询HBase数据把HBase搞崩的问题有没有遇到过？可
能是哪些原因导致的？
38.Kafka高可用、高性能的原理？使用过哪些版本的Kafka，有没
有遇到一些bug，怎么导致的，如何解决？Kafka数据
文档评论（0）