2022-01-10 SHEIN大数据java开发岗位

面试该岗位，主要问了以下几个问题：

1、MapReduce 的shuffle过程

回答：map线程数据首先会复制到一个环形缓冲区，在环形缓冲区中进行分区和排序，当环形缓冲区达到一个阈值时数据会溢写到磁盘，这个过程可能会有conbine操作，最终每个分区的数据生成一个数据已经排序的文件。之后是reduce的shuffle过程，reduce线程将磁盘中每个分区的数据复制到内存缓冲区，进行排序，按照key进行聚合，然后输出数据作为reduce线程的输入数据，经过reduce计算之后生成文件存放到hdfs上。

2、1G的文件256m的分片大小，最终分成几个map线程；map和reduce线程数量控制；

回答：通过mapred.reduce.task或者mapred.max.split.size参数控制；

通过设置mapred.reduce.task来控制reduce数

3、yarn container的内存区域

回答：这个不是很清楚。

4、有没有看过大数据组件的源码

回答：看过yarnchild启动过程部分源码，曾经做过numa绑定yarnchild线程的优化；

5、map的分区可以怎么设计

回答：mapreduce程序partition方法可以指定分区方式，可以对某个key做哈希计算进行分区。