2024-JAVA-大数据-面试汇总_大数据java部门面试(1)

判断投票信息中的选举状态： 就回答到这，后来下来百度了一下。。。

32 hive了解吗？

Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供类SQL查询功能

33.说说内部表和外部表的区别？

内部表的数据是由Hive自身管理的，外部表的数据是由HDFS管理的；

删除内部表会删除元数据和存储的数据；删除外部表只删除元数据不删除存储的数据

34,你知道UDF吗？

UDF就是Hive提供的内置函数无法满足业务处理需要时，可以考虑使用用户自定义函数。

35 一张大表，一张小表，你写join in时，哪个表放左边，哪个表放右边？

小表放前，大表放后，左查询，根据小表为主进行查询。

36  问一下kafka的问题吧，kafka是怎么进行数据备份的？

哇，面试官 你是要把大数据里面的每个组件分别问一下，。。。。深呼一口气，思考了一下 然后巴拉巴拉

备份机制是Kafka0.8版本之后出的，一个备份数量为n的集群允许n-1个节点失败。在所有备份节点中，

有一个节点作为lead节点，这个节点保存了其它备份节点列表，并维持各个备份间的状体同步。

37.消费者是从leader中拿数据，还是从follow中拿数据？

。。。不太会，备份机制这块没咋深入了解过。

kafka是由follower周期性或者尝试去pull(拉)过来(其实这个过程与consumer消费过程非常相似)，

写是都往leader上写，但是读并不是任意flower上读都行，读也只在leader上读，flower只是数据的一个备份，

保证leader被挂掉后顶上来，并不往外提供服务。

38.那换个问题吧。说说kafka的ISR机制？

• kafka 为了保证数据的一致性使用了isr 机制，
• 1. leader会维护一个与其基本保持同步的Replica列表，该列表称为ISR(in-sync Replica)，每个Partition都会有一个ISR，
• 而且是由leader动态维护
• 2. 如果一个flower比一个leader落后太多，或者超过一定时间未发起数据复制请求，则leader将其重ISR中移除
• 3. 当ISR中所有Replica都向Leader发送ACK时，leader才commit

39.kafka如何保证数据的不重复和不丢失？

答案上面已经回到了，面试官又问一遍。。可能是看我kafka这块了解不是很深入。想再虐虐我。。。

40.kafka里面存的数据格式都是什么样的？

topic主题，然后主题进行分区  topic 分为partition , partition里面包含Message。

41.kafka中存的一个是数据文件，一个是索引文件，说说这个？

。。。。。不太会。。。哇，kafka被虐惨啦

42.kafka 是如何清理过期数据的？

kafka的日志实际上是以日志的方式默认保存在/kafka-logs文件夹中的，默认7天清理机制，

日志的真正清理时间。当删除的条件满足以后，日志将被“删除”，但是这里的删除其实只是将

该日志进行了“delete”标注，文件只是无法被索引到了而已。但是文件本身，仍然是存在的，只有当过了log.segment.delete.delay.ms 这个时间以后，文件才会被真正的从文件系统中删除。

43.一条message中包含哪些信息？

• 包含 header,body。
• 一个Kafka的Message由一个固定长度的header和一个变长的消息体body组成。
• header部分由一个字节的magic(文件格式)和四个字节的CRC32(用于判断body消息体是否正常)构成。
• 当magic的值为1的时候，会在magic和crc32之间多一个字节的数据：attributes(保存一些相关属性，比如是否压缩、
• 压缩格式等等)；
• 如果magic的值为0，那么不存在attributes属性body是由N个字节构成的一个消息体，包含了具体的key/value消息

44.嗯，行，你知道mysql的最左原则吗？

终于把kafka过去啦。。心累

最左原则：顾名思义，就是最左优先，比如现在有一张表，里面建了三个字段ABC,对A进行主键，BC建立索引，就相当于

创建了多个索引，A索引，(A,B)组合索引，(A,B，C)组合索引，那查询时，会根据查询最频繁的 放到最左边。

嗯 好，我的问题问完了，让我同事问问你。

已经问了40分钟纯问题啦，，再换个面试官，好的，可以

45，刚才我的同事问的都是大数据相关的，那我们问点java相关的。

终于问java啦，下面的java问题每个都回答出来了，就不写答案啦

46.说说抽象类和接口？

47，集合了解吧，说说集合有几大类,分别介绍一下？

48，hashMap顶层实现了解过吗？具体讲讲

49，说说hashMap在1.8之后优化的环节

50. HashMap 和 hashTable的区别？

51.另一个线程安全的是啥？

52.说说ConcurrentHashMap的底层实现

53.java实现多线程的方式有几种？

54.讲讲 synchronized，Lock，ReetrantLock之间的区别

55.java的线程大概有几种状态？

56.sleep 和 wait方法的区别？

57.说说volatile关键字

58.说说JVM内存区域分为几大块，分别讲一下

59.说说sql的事务隔离级别

60.说说mysql的存储引擎

61 给你出个sql 题

student(sid，sname,sex,class)

course(cid,cname,teacher)

grade(cid,sid,score)

1,sex 改为age,非空，默认值为0

2 统计035号课程分数大于036号课程分数的学生ID

3 统计所有003班学生各门功课的课程名称和平均分

以上是所有的面试题，在写sql的时候，卡了好久，因为好久没写过三表联查，子查询的sql，差不多忘了，

后来下线时，一度以为自己挂了，但是过了一个多小时之后，看了一下状态，面试一轮通过，可能是面试官

看我前面的问题答得还可以让我过吧。只是这问题量着实有点多。希望尽快约下轮面试。

多益网络  面经  时长58分钟  挂

1 自我介绍

2 重大项目管理平台介绍

3 你主要负责的是哪一块内容？

4 项目最难的地方在哪？

5  开发周期多长？

6  说一下排行榜公布的那个具体实现过程

7 团队合作中遇到什么问题？

8  对互联网加班有什么看法？

9  算法

将一个组数循环右移，根据K来

10  斐波那契数列，不使用递归的方式实现

11 那你说一下java对象的生命周期

12  说一下java的垃圾回收机制，和算法等

13  什么是递归？

14 使用递归 有什么优点和缺点？

15  说一下图的表示方法

16  图有什么分类，图论的分配法？

17 都有哪些排序算法？

18 哪些是不稳定的排序算法？

19 说说快速排序的原理？

20 最近看过什么书？

21 说一下三次握手

22 为什么要看 图解HTTP

23  问一些心态上面的问题？  如果你对你的上司不满意，你应该怎么做？

24  为什么面向对象中，多用组合，少用继承？

25 为什么选择广州？

26 你在做IQ题的时候，有没有没做完？

怎么感觉问完之后，问的好不专业。。。。什么都问了，技术面把hr面的问题都问啦

海康威视   一面  7