当前位置：首页 > 大数据技术 > 正文

移动大数据岗技术面试题及答案

xiaofei
大数据技术
2025-06-08 10:00:54
3

接下来为大家讲解移动大数据岗技术面试题，以及移动大数据岗技术面试题及答案涉及的相关信息，愿对你有所帮助。

简述信息一览：

1、常见大数据公司面试问题有哪些?
2、大数据岗位必问面试题,关于资源调度器yarn的使用以及执行流程
3、大数据面试题及答案谁能分享一下
4、大数据开发人员面试常会被问什么问题?
5、大数据Hive面试题(一)

常见大数据公司面试问题有哪些?

1、我会什么：包括会用什么工具，懂得什么理论知识；3）我做过什么：介绍下项目的内容，通过什么手段，达到了什么成果。自我介绍的重点是在最短的时间突出自己的项目经历和技术水平，但也不用过于详细，留给面试官问问题的空间。

2、移动公司面试常见问题包括：你对移动通信行业的了解有多深？你能描述一下你过去的工作经验和技能吗？你如何解决遇到的技术难题？你对5G技术有什么了解？你对未来移动通信技术的看法是什么？接下来，我将对上述问题进行详细的解

（图片来源网络，侵删）

3、Python这个要是有能力，有精力，建议也要往深处学习，我目前正在自学中。（5）集群的问题，包括一些简单的运维知识。（6）大数据数据倾斜的问题，包括Spark JVM内存调优问题等等。

大数据岗位必问面试题,关于资源调度器yarn的使用以及执行流程

重点内容： YARN的主要作用是资源管理和作业调度。 YARN的执行流程包括作业提交、资源申请、任务初始化与分配、任务执行以及任务管理与监控。 YARN的调度器是管理资源分配的关键组件，支持多种调度算法。理解这些内容对于面试准备和掌握YARN技术非常关键，也是大数据岗位面试中常涉及的问题。

YARN支持多种调度器，包括FIFO、Capacity Scheduler和Fair Scheduler。Apache Hadoop3默认使用Capacity Scheduler，而CDH框架默认使用Fair Scheduler。

（图片来源网络，侵删）

运行流程概览如下：1）当程序提交后，SparkSubmit进程与Master通信，构建运行环境并启动SparkContext。SparkContext向资源管理器（如Standalone、Mesos或YARN）注册并申请执行资源。2）资源管理器分配Executor资源，Standalone模式下通过StandaloneExecutorBackend启动Executor。Executor运行状态会定期上报给资源管理器。

确定Map数量与处理OOM问题：说明如何确定Map任务的数量，以及处理内存溢出问题的方法。HadoopYARN YARN背景、优势与解决的问题：阐述YARN产生的背景、相对于MapReduce 0的优势，以及它解决的问题。调度器机制与总结：描述YARN中的调度器机制，以及不同调度器的特点和适用场景。

yarn的内置调度器： FIFO先进先出，一个的简单调度器，适合低负载集群。（适合任务数量不多的情况下使用）Capacity调度器，给不同队列（即用户或用户组）分配一个预期最小容量，在每个队列内部用层次化的FIFO来调度多个应用程序。

大数据面试题及答案谁能分享一下

1、大数据是与复杂和大型数据集相关的术语。关系数据库无法处理大数据，这就是使用特殊工具和方法对大量数据执行操作的原因。大数据使公司能够更好地了解其业务，并帮助他们从定期收集的非结构化和原始数据中获取有意义的信息。大数据还允许公司***取数据支持的更好的业务决策。

2、答案：RDD，即Resilient Distributed Dataset，是Spark的基本数据抽象，代表一个不可变、可分区的并行计算***。RDD中的数据可在内存或磁盘中存储，分区的结构可动态调整。面试题4：列举并比较Spark中常用算子的区别。

3、答案：b） Client端将文件切分为Block，依次上传， c） Client只上传数据到一台DataNode，然后由NameNode负责Block***工作请注意，这些题目只是大数据面试中可能出现的一部分，实际面试中可能还会涉及更多关于大数据处理、分析、架构、算法等方面的知识。

4、准备好面试了吗？以下是Hadoop面试中可能出现的问题及答案。HDFS中的block默认保存几份？默认保存3份。HDFS默认BlockSize是多大？默认64MB。负责HDFS数据存储的是哪一部分？DataNode负责数据存储。SecondaryNameNode的目的是什么？帮助NameNode合并编辑日志，减少NameNode启动时间。

大数据开发人员面试常会被问什么问题?

在大数据开发工程师的面试中，企业往往会评估候选人在Hive组件优化方面的能力。Hive作为大数据领域常用的工具之一，其优化方面的问题往往成为面试中的关键考察点。以下内容将详细探讨Hive优化的常见方向和手段。

以下是最重要的大数据面试问题以及具体问题的详细解对于更广泛的问题，答案取决于您的经验，我们将分享一些如何回答它们的提示。10个大数据面试入门级问题无论何时进行大数据***访，***访者都可能会询问一些基本问题。无论您是大数据领域的新手还是经验丰富，都需要基础知识。

一些最常见的编程面试问题：1．数组编码面试问题数组是最基本的数据结构，它将元素存储在一个连续的内存位置。这也是面试官们热衷的话题之一。

Spark操作类型包括transformation、action与cronroller，分别实现RDD转换、执行与控制算子。设置参数如spark.sql.shuffle.partitions与spark.default.paralleli***调整默认task执行个数与集群资源管理。Spark Application在未充分获得资源时就开始执行job，可能导致资源不足问题。

大数据Hive面试题答案如何解决大数据Hive表关联查询中的数据倾斜问题？数据预处理：为数据量为空的情况赋予随机值。参数调整：启用hive.map.aggr = true和hive.groupby.skewindata=true，生成包含两个MapReduce作业的查询***，以随机分布数据并进行部分和最终聚合。