百度大数据开发面试题集锦及参考答案（持续更新）

目录

Java GC算法有哪些？

项目中遇到过的有关GC的情况，相关的设置参数

存储引擎、B+树和B树的区别、B+树的结构实现

布隆过滤器

内存的管理方式、虚拟内存和物理内存的区别

TCP、UDP、TCP三次四次握手、如何保证可靠传输

数据仓库主题域及其建设过程

数仓的指标体系构建

Hadoop小文件的危害

Flink里面断流怎么处理

Flink的exactly-once是怎么实现的

Checkpoint的Chandy-Lamport算法

Checkpoint的时候barrier什么时候发送

Sparkstreaming和Flink的区别

Spark任务提交流程

Spark的stage切分原理

Checkpoint的时候Barrier什么时候发送

Checkpoint产生了很多快照，怎么进行处理呢

SparkStreaming和StructuredStreaming的区别

Zookeeper的分布式一致性协议是什么，Raft讲一下，Paxos讲一下

Hive调优怎么调的

数据倾斜怎么处理的

你在做需求的过程中遇到过的最大的难点是什么

常见的排序算法，时间复杂度，空间复杂度

synchronized关键字的使用

volatile关键字，和synchronized的区别

Java的内存回收怎么做的

HashMap和TreeMap的区别

红黑树有什么特点

队列和栈结构

你项目里的熔断器的原理？

SQL调优怎么做的？

MVC架构里用到了什么设计模式？

那你讲讲Java里的设计模式

HDFS的读流程

项目里用到的 hive on spark 和 普通的hive有什么区别

数据倾斜的优化，如果group by A的字段倾斜怎么优化

Hadoop的序列化和java的序列化的区别？

Spark的shuffle过程

宽窄依赖是什么

Stage是如何划分的

Spark SQL的调优

Spark SQL怎么实现持久化，缓存

窗口函数中3个rank的区别

T+1生成数据但下午才生成数据，你的排查思路

数据倾斜你如何解决，小文件你如何解决

Hive和Spark区别和优劣势？

Spark有没有什么不好的地方？

Spark参数调优？

HashMap和Map有啥区别？

横向讲一下几个ETL工具的优缺点？

数据共享服务怎么做的？过程中如何做到的安全合规？

Hadoop的Checkpoint流程？

在集群计算的时候，什么是集群的主要瓶颈？

用Java语言编程实现带括号的字符串反转

写题-搜索螺旋排序数组

写非递归二叉树中序遍历

SQL实现求所有学科都及格的学生id，GROUP BY HAVING

SQL实现统计各省男女生人数，行转列

用SQL实现留存率

写SQL，date、dept、name、work_time，四个字段的表，求最近一个月内每个部门的平均工作时长前三的员工

---

Java GC算法有哪些？

Java的垃圾回收（Garbage Collection, GC）机制是自动管理内存的重要组成部分。它负责释放不再使用的对象所占用的内存，从而避免了内存泄漏。Java的GC算法主要有以下几种：

• 标记-清除算法 (Mark-Sweep): 这是最基本的GC算法，分为两个阶段：标记和清除。标记阶段标记出所有从根节点可达的对象，清除阶段则回收未被标记的对象所占用的空间。这种算法的主要缺点是在清除阶段会产生大量不连续的内存碎片。

• 复制算法 (Copying): 该算法将可用内存分为大小相等的两块，每次只使用其中的一块，在垃圾回收时，将正在使用的对象复制到另一块上面，然后清除当前使用的内存区域。这样可以避免内存碎片的问题，但代价是只能使用一半的总可用内存。

• 标记-整理算法 (Mark-Compact): 这是标记-清