本文深入探讨了Spark内存管理机制，包括如何优化配置以提升任务执行效率。同时，详细对比了Hive中的单值分区与范围分区，阐述了它们在数据组织和查询性能上的差异。此外，还介绍了Kafka的水位线概念，以及如何通过关键指标监控和优化大数据系统。最后，讨论了拉链表的设计和错误处理策略，以及不同表的同步策略选择。
1.spark内存管理
2.hive分区表中，单值分区和范围分区的区别
3.你们公司执行spark任务时，资源怎么设置的（需要直接说出来）
4.介绍一下kafka水位线（其实就是leo和Hw）
5.说几个指标，分别从什么数据层拿取了数据，需要直接说出来
6.数仓采用了什么模型？为什么？
7.hive分区表，单值分区和范围分区的区别
8.spark任务切分，怎么判断有没有执行shuffle
9.你们公司拉链表都有什么字段，拉链表出错怎么办
10.列举几张表的同步策略
11.flink Sql 了解吗
2022最新大数据面试题之华为
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
