面试题来源：大数据面试题 V4.0可回答：1）spark和maprecude的对比；2）mapreduce与spark优劣好处问过的一些公司：阿里云(2022.10)，银联(2022.10)，携程(2022.09)，vivo(2022.09)，滴滴(2022.09)(2020.09)，网易云音乐(2022.09)，快手(2022.08)，字节(2022.08)x2(2022.05)(2020.09)(2020.06)(2019.11)x4，快手(2022.08)，星环科技(2022.07)，海康威视(2022.06)，字节日常实习(2022.03)，思科cisco(2021.11)，腾讯PCG...

参考答案：MapReduce详细流程：1、准备待处理文件（200M）2、submit()对原始文件进行切片分析（128M一块，这里0-128M为第一块，128-200位第二块）3、提交信息客户端会准备三样东西（Job的切片：Job.split，jar包：wc.jar，xml：Job.xml），对这个集群进行提交。如果是本地模式，则没有jar包，正常生产模式下，都是用的YARN集群模式，所以jar包是一定有的。4、计算出MapTask数量客户端向YARN提交后，YARN会开启一个Mrappmaster（整个任务运行的老大），Mrappmaster会读取客户端对应的信息，最主要的就是读取切片信息（...

大家好，我是蓦然，阿里的大数据之路算是现在值得一读的书之一，现在我也陆陆续续做了一些简要笔记，可以让准备校招的同学们快速了解下这本书主要讲了什么，有哪些重要知识点。《阿里大数据之路》读书笔记：第一章 总述一、浏览器的页面日志采集浏览器的页面型产品/服务的日志采集可分为两大类：页面浏览（展现）日志采集指一个页面被浏览器加载呈现时采集的日志此类日志是最基础的互联网日志此类日志是目前所有互联网产品的两大基本指标（页面浏览量（Page View，PV）和访客数（Unique Visitors，UV））的统计基础页面交互日志采集用户操作记录1.1 页面浏览日志采集流程主要是为了对指标网页浏览量（PV）和...

大家好，我是蓦然，阿里的大数据之路算是现在值得一读的书之一，现在我也陆陆续续做了一些简要笔记，可以让准备校招的同学们快速了解下这本书主要讲了什么，有哪些重要知识点。阿里巴巴大数据系统体系架构图阿里数据体系主要分为数据采集、数据计算、数据服务和数据应用四大层次。一、数据采集层阿里巴巴建立了一套标准的数据采集体系方案，致力全面、高性能、规范地完成海量数据的采集，并将其传输到大数据平台。数据来源主要有两部分：业务数据：主要存在数据库中日志数据：主要来自于日志文件日志采集技术：Aplus.JS：Web端日志采集技术方案UserTrack：APP 端日志采集技术方案消息中间件（离线/实时）：TimeTu...

大家好，我是蓦然已经有一段时间没在牛客上分享了，今天带来最近整理的资料：《大数据面试题 V4.0》这一版的面试题跟原来几个版本的来源一样：牛客网的面试经验栏目之前这个栏目是根据岗位划分的，现在已经划分的更宽泛了，不过也不影响，想更清晰的看哪个岗位的面经，建议使用手机版《大数据面试题 V4.0》整体介绍Hadoop：165道题Zookeeper：37道题Hive：93道题Flume：25道题Kafka：82道题HBase：61道题Spark：104道题Flink：56道题数仓：40道题综合部分（框架等对比）：55道题数据库：45道题下面介绍下《大数据面试题 V4.0》与3.0的不同《大数据面试题...

最近第三个拿到欢聚实习offer的小伙伴，面经他已经分享到牛客了面经：https://www.nowcoder.com/discuss/1131061 #校招# #大数据开发工程师面经#  #实习#

研二上，滴滴大数据开发实习offer到手

欢聚大数据开发实习offer，恭喜

恭喜恭喜，继蔚来、合合offer后，又拿了美团sp，最后去了美团[强][强][强]

面试题答案参考：https://www.nowcoder.com/discuss/929016 1、实习经历 这点不多说了，根据自己的来就行 2、工作中最难的点 一般都会提前回顾之前自己遇到的问题，根据自己的来 3、如何保证数据质量 这里主要是阿里对数仓的一些数据质量保证原则 1、数据质量保障原则 阿里对数据仓库主要从四个方面评估数据质量 1）完整性 确保数据不存在缺失 2）准确性 确保数据不存在异常或错误 3）一致性 体现在从业务仓库加工...

1、SQL题 自由发挥 2、实习经历 根据自己的来就行，一面面试题也有说 3、Hadoop和Spark的相同点和不同点 相同点： Hadoop和Spark都是并行计算，两者都是用MR模型进行计算。 都提供了灾难恢复 Hadoop将每次处理后的数据写入磁盘中，对应对系统错误具有天生优势。 Spark的数据对象存储在弹性分布式数据集(RDD)中。这些数据对象既可放在内存，也可以放在...