苏先生之大数据面试经验总结（一）

1. hive的计算是通过什么实现的
   hive是搭建在Hadoop集群上的一个SQL引擎，它将SQL语句转化成了MapReduce程序在Hadoop上运行，所以hive的计算引擎是MapReduce，而hive的底层存储采用的是HDFS

2. yarn和hive的关系
   因为hive的底层实现是MapReduce，所以确切的来说是yarn和MapReduce的关系，yarn可以作为MapReduce计算框架的资源调度系统

3. NameNode和DataNode的通信原理
   客户端向DataNode发出RPC请求后，DataNode会向NameNode请求获取block快，NameNode根据DataNode的块报告和心跳, 会返回给DataNode指令. 通过这种方式NameNode间接地和DataNode进行通信，实际上NameNode作为Server端, 是不会主动去联系DataNode的, 只有作为客户端的DataNode才会去联系NameNode.

4. 内部表与外部表的区别
   hive创建表的时候通过external修饰的来创建外部表，没有external的则是内部表，当删除内部表时，存储在HDFS的数据将会被一起删除，而删除外部表时，数据则会保留

5. 数据库事务的概念
   事务就是单个逻辑工作单元执行的一系列操作，要么都执行，要么都不执行，要满足事务，就得满足原子性、一致性、隔离性、持久性

6. 谈谈HBASE底层的理解
   (1)HBASE主要分为HMaster和HRegionServer，HMaster主要负责表和Region的管理，负责表的增删改查，管理HRagionServer的负载均衡和Region的分布，还负责HRegionServer失效后Region的转移
   (2)HRegionServer主要负责存储HRegion，每一个HRegion上有多个Hstore(对应表中的列簇)，当写入数据时，Hstore中的memstore会将数据写入缓存，当缓存写满后(默认64M)，会出发flush将缓存里的数据flush到磁盘形成storefile文件，storefile文件是Hfile的轻量级包装，Hfile是附带索引格式的文件