OPPO面试题
文章图片
学长1
OPPO -实时处理工程师。一面试官陈泉,他拿了多个人的简历,边翻边问。
1)技术部分
(1)SparkStreaming消费方式及区别,Spark读取HDFS的数据流程
(2)Kafka高性能
(3)Hive调优,数据倾斜
【互联网一线大厂OPPO大数据技术岗面试题汇总】(4)Zookeeper怎么避免脑裂,什么是脑裂。
(5)Redis的基本类型,并介绍一下应用场景
(6)最后会问一些Linux常用命令,比如怎么查进程,查IO运行内存等。还真有人问啊
2)项目部分
(1)Hive的分层设计
(2)还有一些Flume和Kafka的问题,为什么要把离线和实时搞在一起,可以做成两套系统。
学长2
(1)介绍你做的所有项目
(2)在项目中你负责什么
(3)数仓的数据量是多少
(4)MapReduce的Shuffle过程
(5)Spark与Flink的区别
(6)平常会自己去学一些技术吗
(7)你们公司的大数据组的人员配置
(8)你为什么离职
(9)工作中遇到哪些困难
(10)怎么使用Redis实现分布式锁
(11)Zookeeper的HA原理?
(12)两个业务有关联,某个业务的数据量有可能暴增崩溃,怎么保证另外的业务数据不受影响?
(13)MapReduce怎么去实现Hive中的mapjoin?
(14)SparkStreaming中Kafka的offset保存到MySQL中去实现的精准一次性消费,假如业务逻辑处理完,在提交offset时程序崩溃,处理完的数据怎么解决?
学长3
(1)讲一讲什么是CAP法则?Zookeeper符合了这个法则的哪两个?
(2)你们的Flink怎么提交的?使用的per-job模式吗?为什么使用Yarn-Session的模式?有什么好处?
(3)讲一讲Flink的分界线对齐原理,有什么作用?
(4)了解过Flink的两阶段提交策略吗?讲讲详细过程。如果第一阶段宕机了会怎么办?第二阶段呢?
(5)如果Spark在跑任务的途中,Driver直接挂掉了,但是Executor还在继续跑,你该如何解决这个问题?
(6)如何查看Linux中线程的内存、CPU占用、磁盘的消耗等?具体的参数讲一下
(7)讲讲HFile在HDFS中存储的具体格式
(8)讲一讲Spark和Flink的Checkpoint机制异同
关键词:大数据培训
推荐阅读
- 程序员|【高级Java架构师系统学习】毕业一年萌新的Java大厂面经,最新整理
- linux笔记|linux 常用命令汇总(面向面试)
- jvm|【JVM】JVM08(java内存模型解析[JMM])
- 面试|我经历的IT公司面试及离职感受(转)
- android-面试|我经历的IT公司面试及离职感受
- Java|一个月内面了30家企业,不断对比薪资,我从18K变成了38K
- vue|Vue面试常用详细总结
- java人生|35K 入职华为Java开发那天,我哭了(这 5 个月做的一切都值了)
- Android|年后备战金三银四(Android面试吃透这一篇就没有拿不到的offer......)
- java|后悔没有早点遇到它 , 直接从 12K 涨到了 30K