金山云大数据面试题

1.kafka的高水位怎么计算的？

2.产生kafka的rebalance是原因有哪些？消费者什么情况会引起kafka的rebalance？

3.kafka的分区跟跟消费者什么关系？比如数量对应之类的

4.kafka的底层存储的具体是什么东西，有了解过吗？

5.hbase的读取流程

6.hbase的预分区怎么设计的？一开始hbase设置了10个预分区，假如插入的数据比较多，会产生新的预分区吗

7.hbase的rowkey怎么设计的？

8.公司的数据量规模，集群怎么搭建，组件怎么分配

9.spark的并行度设置跟Hbase，Kafka，HDFS分别有什么关系？

10.spark的优化有哪些？

11.spark的cache和persist的关系？

12.spark的reparation和colasec的区别？

13.spark的shuffle产生的原因及原理是什