2024-JAVA-大数据-面试汇总_大数据java部门面试，2024年最新大数据开发开发社招面试总结

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）

正文

内部表的数据是由Hive自身管理的，外部表的数据是由HDFS管理的；

删除内部表会删除元数据和存储的数据；删除外部表只删除元数据不删除存储的数据

34,你知道UDF吗？

UDF就是Hive提供的内置函数无法满足业务处理需要时，可以考虑使用用户自定义函数。

35 一张大表，一张小表，你写join in时，哪个表放左边，哪个表放右边？

小表放前，大表放后，左查询，根据小表为主进行查询。

36  问一下kafka的问题吧，kafka是怎么进行数据备份的？

哇，面试官 你是要把大数据里面的每个组件分别问一下，。。。。深呼一口气，思考了一下 然后巴拉巴拉

备份机制是Kafka0.8版本之后出的，一个备份数量为n的集群允许n-1个节点失败。在所有备份节点中，

有一个节点作为lead节点，这个节点保存了其它备份节点列表，并维持各个备份间的状体同步。

37.消费者是从leader中拿数据，还是从follow中拿数据？

。。。不太会，备份机制这块没咋深入了解过。

kafka是由follower周期性或者尝试去pull(拉)过来(其实这个过程与consumer消费过程非常相似)，

写是都往leader上写，但是读并不是任意flower上读都行，读也只在leader上读，flower只是数据的一个备份，

保证leader被挂掉后顶上来，并不往外提供服务。

38.那换个问题吧。说说kafka的ISR机制？

• kafka 为了保证数据的一致性使用了isr 机制，
• 1. leader会维护一个与其基本保持同步的Replica列表，该列表称为ISR(in-sync Replica)，每个Partition都会有一个ISR，
• 而且是由leader动态维护
• 2. 如果一个flower比一个leader落后太多，或者超过一定时间未发起数据复制请求，则leader将其重ISR中移除
• 3. 当ISR中所有Replica都向Leader发送ACK时，leader才commit

39.kafka如何保证数据的不重复和不丢失？

答案上面已经回到了，面试官又问一遍。。可能是看我kafka这块了解不是很深入。想再虐虐我。。。

40.kafka里面存的数据格式都是什么样的？

topic主题，然后主题进行分区  topic 分为partition , partition里面包含Message。

41.kafka中存的一个是数据文件，一个是索引文件，说说这个？

。。。。。不太会。。。哇，kafka被虐惨啦

42.kafka 是如何清理过期数据的？

kafka的日志实际上是以日志的方式默认保存在/kafka-logs文件夹中的，默认7天清理机制，

日志的真正清理时间。当删除的条件满足以后，日志将被“删除”，但是这里的删除其实只是将

该日志进行了“delete”标注，文件只是无法被索引到了而已。但是文件本身，仍然是存在的，只有当过了log.segment.delete.delay.ms 这个时间以后，文件才会被真正的从文件系统中删除。

43.一条message中包含哪些信息？

• 包含 header,body。
• 一个Kafka的Message由一个固定长度的header和一个变长的消息体body组成。
• header部分由一个字节的magic(文件格式)和四个字节的CRC32(用于判断body消息体是否正常)构成。
• 当magic的值为1的时候，会在magic和crc32之间多一个字节的数据：attributes(保存一些相关属性，比如是否压缩、
• 压缩格式等等)；
• 如果magic的值为0，那么不存在attributes属性body是由N个字节构成的一个消息体，包含了具体的key/value消息

44.嗯，行，你知道mysql的最左原则吗？

终于把kafka过去啦。。心累

最左原则：顾名思义，就是最左优先，比如现在有一张表，里面建了三个字段ABC,对A进行主键，BC建立索引，就相当于

创建了多个索引，A索引，(A,B)组合索引，(A,B，C)组合索引，那查询时，会根据查询最频繁的 放到最左边。

嗯 好，我的问题问完了，让我同事问问你。

已经问了40分钟纯问题啦，，再换个面试官，好的，可以

45，刚才我的同事问的都是大数据相关的，那我们问点java相关的。

终于问java啦，下面的java问题每个都回答出来了，就不写答案啦

46.说说抽象类和接口？

47，集合了解吧，说说集合有几大类,分别介绍一下？

48，hashMap顶层实现了解过吗？具体讲讲

49，说说hashMap在1.8之后优化的环节

50. HashMap 和 hashTable的区别？

51.另一个线程安全的是啥？

52.说说ConcurrentHashMap的底层实现

53.java实现多线程的方式有几种？

54.讲讲 synchronized，Lock，ReetrantLock之间的区别

55.java的线程大概有几种状态？

56.sleep 和 wait方法的区别？

57.说说volatile关键字

58.说说JVM内存区域分为几大块，分别讲一下

59.说说sql的事务隔离级别

60.说说mysql的存储引擎

61 给你出个sql 题

student(sid，sname,sex,class)

course(cid,cname,teacher)

grade(cid,sid,score)

1,sex 改为age,非空，默认值为0

2 统计035号课程分数大于036号课程分数的学生ID

3 统计所有003班学生各门功课的课程名称和平均分

以上是所有的面试题，在写sql的时候，卡了好久，因为好久没写过三表联查，子查询的sql，差不多忘了，

后来下线时，一度以为自己挂了，但是过了一个多小时之后，看了一下状态，面试一轮通过，可能是面试官

看我前面的问题答得还可以让我过吧。只是这问题量着实有点多。希望尽快约下轮面试。

多益网络  面经  时长58分钟  挂

1 自我介绍

2 重大项目管理平台介绍

3 你主要负责的是哪一块内容？

4 项目最难的地方在哪？

5  开发周期多长？

6  说一下排行榜公布的那个具体实现过程

7 团队合作中遇到什么问题？

8  对互联网加班有什么看法？