spark面试题汇总（二）

spark有哪两类算子，有哪些特点？

spark开发过程中应该尽量避免哪些算子？

spark如何从kafka中获取数据？

rdd有哪几种创建方式？

spark并行度怎么设置比较合适？

spark如何处理不能被序列化的对象？

collect功能是什么？其底层是怎么实现的？

为什么spark 程序没获得足够资源就开始执行，这会导致什么问题？

map和flatmap的区别

driver的功能是什么

spark技术栈都有哪些组件？各自的特点都有哪些？

spark中 worker的主要工作是什么？

MR和spark都是并行计算，他们有什么异同点

RDD机制

什么是RDD宽窄依赖

cache和persist的区别

cache后面能不能接其他算子，它是不是action操作

reducebykey 是不是action操作

rdd通过血缘的方式为何很高效