大数据开发岗面试复习30天冲刺 - 日积月累，每日五题【Day23】——Spark10_union操作是宽依赖还是窄依赖(2)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

文章目录

• • 前言
    • 面试题 01、union操作是产生宽依赖还是窄依赖？
    • 面试题02、窄依赖父RDD的partition和子RDD的parition是不是都是一对一的关系？
    • 面试题03、Hadoop中，Mapreduce操作的mapper和reducer阶段相当于spark中的哪几个算子？
    • 面试题04、Spark中的HashShufle的有哪些不足？
    • 面试题05、conslidate是如何优化Hash shuffle时在map端产生的小文件？
    • 总结

停🤚
不要往下滑了，
默默想5min，
看看这5道面试题你都会吗？

面试题 01、union操作是产生宽依赖还是窄依赖？
面试题02、窄依赖父RDD的partition和子RDD的parition是不是都是一对一的关系？
面试题 03、Hadoop中，Mapreduce操作的mapper和reducer阶段相当于spark中的哪几个算子？
面试题04、Spark中的HashShufle的有哪些不足？
面试题05、conslidate是如何优化Hash shuffle时在map端产生的小文件？

以下答案仅供参考：

面试题 01、union操作是产生宽依赖还是窄依赖？

产生窄依赖。

面试题02、窄依赖父RDD的partition和子RDD的parition是不是都是一对一的关系？

不一定，除了一对一的窄依赖，还包含一对固定个数的窄依赖（就是对父RDD的依赖的Partition的数量不会随着RDD数量规模的改变而改变）， 比如join操作的每个partiion仅仅和已知的partition进行join，这个join操作是窄依赖，依赖固定数量的父rdd，因为是确定的partition关系。

面试题03、Hadoop中，Mapreduce操作的mapper和reducer阶段相当于spark中的哪几个算子？

相当于spark中的map算子和reduceByKey算子，当然还是有点区别的,MR会自动进行排序的，spark要看你用的是什么partitioner。

面试题04、Spark中的HashShufle的有哪些不足？

1）shuffle产生海量的小文件在磁盘上，此时会产生大量耗时的、低效的IO操作； 2）容易导致内存不够用，由于内存需要保存海量的文件操作句柄和临时缓存信息，如果数据处理规模比较大的话，容易出现OOM； 3）容易出现数据倾斜，导致OOM。

面试题05、conslidate是如何优化Hash shuffle时在map端产生的小文件？

1）conslidate为了解决Hash Shuffle同时打开过多文件导致Writer handler内存使用过大以及产生过多文件导致大量的随机读写带来的低效磁盘IO；
2）conslidate根据CPU的个数来决定每个task shuffle map端产生多少个文件，假设原来有10个task，100个reduce，每个CPU有10个CPU，那么 使用hash shuffle会产生10100=1000个文件，conslidate产生1010=100个文件 注意：conslidate部分减少了文件和文件句柄，并行读很高的情况下（task很多时）还是会很多文件。

总结

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**