大数据开发笔试题(一)

1、Oracle 中下列哪个表达式值为 true？(D)
A、null = null
B、’’ = null
C、0 = null
D、以上三个都不为 true

2、Oracle 支持的表分区类型为？(ABD)
A、List
B、Range
C、HashMap
D、复合分区

3、下列对 Oracle 索引的说法正确的是？(AD)
A、索引在 Oracle 中通过 B+ 树存储
B、Oracle 只支持全局索引
C、Oracle 不支持分区索引
D、索引可以提高表的访问速度

4、对于 Oracle 存储过程和函数下列说法错误的是？(CD)
A、函数总是向调用者返回数据，并且一般只返回一个值
B、存储过程不直接返回数据，但可以改变输出参数的值
C、存储过程必须带有输出参数
D、函数不能定义输出参数

5、数据库中的对象包括？(ACD)
A、表
B、权限
C、视图
D、存储过程

6、Hive 的 sortby 和 orderby 的区别？
orderby 会对输入的数据做全局排序，只有一个 reduce，数据量较大时，很慢。sortby 不是全局排序，只能保证每个 reduce 有序，不能保证全局有序。

7、在 hive 中，什么情况容易出现数据倾斜？怎么解决？
倾斜原因：map 输出数据按 key Hash 的分配到 reduce 中，由于 key 分布不均匀、业务数据本身的特点、建表时考虑不周等原因造成 reduce 上的数据量差异过大。
(1) key 分布不均匀
(2) 业务数据本身的特性
(3) 建表时考虑步骤
(4) 某些 hql 语句本身就存在数据倾斜

解决方案：
(1) 参数调整：hive.map.aggr = true hive.groupby.skewindata = true 有数据倾斜的时候进行负载均衡，当选项设置为 true，生成的查询计划会有两个 MR Job。第一个 MR job 中，Map 的输出结果集合会随机分布到 Reduce 中，每个 Reduce 做部分聚合操作，并输出结果，这样处理的结果时相同的 group by key 有可能被分发到不同的 Reduce 中，从而达到负载均衡的目的；第二个 MR job 再根据预处理的结果按照 Group By Key 分布到 Reduce 中(这个过程可以保证相同的 Group By Key 被分布到同一个 Reduce 中)，最后完成最终聚合操作。
(2) SQL 语句调整
A、选用 join key 分布最均匀的表作为驱动表。做好列裁剪