阿里大数据面试题集合：Hadoop+HBase+Spark+Zookeeper

附面试思维导图：

Hadoop面试题

• 讲述HDFS上传文件和读文件的流程？
• HDFS在上传文件的时候，如果其中一个块突然损坏了怎么办？
• NameNode的作用？
• 4.NameNode在启动的时候会做哪些操作？
• NameNode的HA？
• Hadoop的作业提交流程？
• Hadoop怎么分片？
• 如何减少Hadoop Map端到Reduce端的数据传输量？
• Hadoop的Shuffle？
• 哪些场景才能使用Combiner呢？
• HMaster的作用？
• 如何实现hadoop的安全机制？
• hadoop的调度策略的实现，你们使用的是那种策略，为什么？
• 数据倾斜怎么处理？
• 评述hadoop运行原理？
• 简答说一下hadoop的map-reduce编程模型？
• hadoop的TextInputFormat作用是什么，如何自定义实现？
• map-reduce程序运行的时候会有什么比较常见的问题？
• Hadoop平台集群配置、环境变量设置？
• Hadoop性能调优？
• .Hadoop高并发？
• Hadoop配置文件以及简单的Hadoop集群搭建
• Hadoop参数调优
• Hadoop宕机
• Hadoop 高可用配置
• 配置 HDFS-HA集群
• 配置HDFS-HA自动故障转移
• 配置Yarn-HA

HBase面试题

1. HBase的特点是什么？
2. HBase和Hive有什么区别？
3. HBase的rowkey 设计原则
4. HBase中的scan和get的功能以及实现的异同
5. 请描述Hbase中scan对象的setCache和setBatch 方法的使用
6. 以 start-hbase.sh 为起点，Hbase 启动的流程是什么？
7. 简述 HBASE中compact用途是什么，什么时候触发，分为哪两种,有什么区别，有哪些相关配置参数？
8. HBase 如何给WEB前端提供接口来访问？
9. HBase的导入导出方式
10. HBase搭建过程中需要注意什么？

spark面试题

• Spark的Shuffle原理及调优？
• hadoop和spark使用场景？
• spark如何保证宕机迅速恢复?
• hadoop和spark的相同点和不同点？
• RDD持久化原理？
• checkpoint检查点机制？
• checkpoint和持久化机制的区别？
• Spark Streaming和Storm有何区别？
• RDD机制？
• Spark streaming以及基本工作原理？
• DStream以及基本工作原理？
• spark有哪些组件？
• spark工作机制？
• Spark工作的一个流程？
• spark核心编程原理？
• spark基本工作原理？
• spark性能优化有哪些？
• updateStateByKey详解？
• 宽依赖和窄依赖？
• spark streaming中有状态转化操作？
• spark常用的计算框架？
• spark整体架构？
• Spark的特点是什么？
• 搭建spark集群步骤？
• Spark的三种提交模式是什么？
• spark内核架构原理？
• Spark yarn-cluster架构？
• Spark yarn-client架构？
• SparkContext初始化原理？
• Spark主备切换机制原理剖析？
• spark支持故障恢复的方式？
• spark解决了hadoop的哪些问题？
• 数据倾斜的产生和解决办法？
• spark 实现高可用性：High Availability？
• spark实际工作中，是怎么来根据任务量，判定需要多少资源的？
• spark中怎么解决内存泄漏问题？

Zookeeper面试题

• zookeeper是什么框架？
• 有哪些应用场景？
• 使用什么协议？
• 说说分布式一致性算法Paxos
• 说一说选举算法及流程
• zookeeper有哪几种节点类型？
• zookeeper对节点的watch监听通知是永久的吗？
• 有哪几种部署模式？
• 集群中的机器角色都有哪些？
• 集群最少要几台机器，集群规则是怎样的
• 集群如果有3台机器，挂掉一台集群还能工作吗？挂掉两台呢？
• 集群支持动态添加机器吗？
• zookeeper的java客户端都有哪些？
• chubby是什么，和zookeeper比你怎么看？
• 说几个zookeeper常用的命令。

针对以上问题小编已经整理好了 面试题+答案文档，除了这份面试专题文档，小编者里还有一些针对性的实战文档都可以免费提供给大家学习。