2019.10.11

题目：判断是否是平衡二叉树

思路：1、计算树的深度，判断深度差不超过一则是平衡二叉树

代码：

public class Soluton {
	
	class TreeNode{
		int val;
		TreeNode left = null;
		TreeNode right = null;
		
		public TreeNode(int val) {
			// TODO Auto-generated constructor stub
		
			this.val = val;
		}
		
		private boolean IsBalanced = true;
		
		public boolean IsBalanced(TreeNode root) {
			
			getDepth(root);
			return IsBalanced;
		}
		
		public int getDepth(TreeNode root) {
			
			if(root == null){
				return 0;
			}
			
			int left = getDepth(root.left);
			int right = getDepth(root.right);
			
			if(Math.abs(left-right)>1)
				IsBalanced = false;
			
			return right > left ? right + 1 : left + 1;
			
		}
	}

2、遍历每个结点，借助一个获取树深度的递归函数，根据该结点的左右子树高度差判断是否平衡，然后递归地对左右子树进行判断。

代码：

public class Solution {
    public boolean IsBalanced_Solution(TreeNode root) {
        if(root == null) {
            return true;
        }
        return Math.abs(maxDepth(root.left) - maxDepth(root.right)) <= 1 &&
            IsBalanced_Solution(root.left) && IsBalanced_Solution(root.right);
    }
      
    private int maxDepth(TreeNode root) {
        if(root == null) {
            return 0;
        }
        return 1 + Math.max(maxDepth(root.left), maxDepth(root.right));
    }
}

面试题：

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。
直接使用hadoop带来的问题：人员学习成本太高，项目周期要求太短，mapreduce实现复炸逻辑开发难度太大，使用hive操作接口类SQL语法，提供快速开发的能力，不免了去写maoreduce，减少开发人员的学习成本
hive特点：可扩展性，延展性，容错性

1、Hive内部表和外部表的区别
内部表：加载数据到hive所在的hdfs目录，删除时，元数据和数据文件都删除
外部表：不加载数据到hive所在的hive所在的目录，删除时，只删除表结构

2、分桶的作用
最大的作用就是提高join的效率，（1）获得更高的查询处理效果，（2）使取样（sampling）效率更高

3、hive内部表和外部表的应用，UDF
UDF：写对应的java代码自定义函数的逻辑，将代码打包成jar上传到hive，在hive创建临时函数与对应的class类相关联，在hive中调用临时函数

4、hbase的rowkey的字典序（byteorder）排序存储，设计key时。要充分呢利用排序存储这个特性，将经常一起读取的行存储在一起，（位置相关性），一个列族在数据底层是一个文件，所以经常一起查询的列放到一个列族中，列族尽量少，减少文件的寻址时间

5、redis，传统数据库，hbase，hive每个之间的区别
redis：分布式缓存，强调缓存，内存中数据
传统数据库：注重关系
hbase：列式数据库，无法做关系数据库的主外键，用于海量存储，底层基于hdfs
hive：数据仓库工具，底层是mapreduce，不是数据库，不能用来做用户的交互存储

6、hdfs和hbase使用场景
首先：hbase是基于hdfs来存储的
hdfs：一次写入，多次读取，保证数据的一次性，主要是可以部署在许多廉价机器中，通过怕多副本提高可靠性，提供了容错 和复制机制
hbase：瞬间写入量很大，数据库不好支撑或需要高成本支撑的场景，数据需要长久保存，且量会持久增长到比较大的场景，hbase不适用于join，多级索引，表关系复杂的数据模型，大数据量（100sTB级数据）且有快速随机访问的需求，容量的可扩展性，大数据的驱使，动态扩展系统容量是必须的，业务场景简单，不需要关系数据库中很多特性，合理设计rowkey，方便hbase的查询

后续：storm，spark等