目录

●前言
第1章 面试笔试心得交流
1.1 摆正求职心态／1
1.2 求职前准备／2
1.3 做好自我介绍／4
1.4 职业规划是什么／5
1.5 为什么离开上一家公司／6
1.6 被面试官否定怎么办／6
1.7 加分项一定要呈现出来／7
1.8 面试禁忌／8
1.9 面试会有哪些“坑”／8
1.10 如何应对自己不会回答的问题／9
1.11 如何应对某一次面试失败／10
1.12 面试成功是否就高枕无忧／11
第2章 大数据工程师面试笔试攻略
2.1 大数据职业的岗位划分／12
2.2 典型大数据工程师的职业发展路径／13
2.3 公司大数据部门划分与人员编制／15
2.4 大数据工程师的工作职责／16
2.5 大数据工程师简历如何编写／17
2.6 缺少大数据项目经验如何应对／18
2.7 大数据面试笔试需要掌握哪些技能／19
2.8 如何把握大数据工程师的面试笔试重点／24
2.9 引导面试官提问自己擅长的技术／25
第3章 大数据基础应用
3.1 大数据基础知识／27
3.1.1 大数据生态体系／27
3.1.2 大数据基石—云计算／29
3.1.3 大数据核心—海量数据／30
3.1.4 大数据灵魂—大数据技术／31
3.1.5 大数据价值—商业应用／32
3.2 大数据算法／32
3.2.1 如何从海量数据中找出优选频词／32
3.2.2 如何找出访问百度次数最多的IP地址／34
3.2.3 如何从2.5亿个整数中找出不重复的整数／36
3.2.4 判断一个数在40亿数据中是否存在／38
3.2.5 如何找出CSDN网站最热门的搜索关键词／39
3.2.6 如何从大量数据中统计不同手机号的个数／41
3.2.7 如何从大量数据中找出重复次数最多的一条数据／42
3.2.8 如何对大量数据按照query的频度排序／43
3.2.9 如何从大量的URL中找出相同的URL／44
3.2.10 如何从5亿个数中找出中位数／46
第4章 ZooKeeper分布式协调服务
4.1 简述ZooKeeper包含哪些重要特性／48
4.2 简述ZooKeeper包含哪些应用场景／49
4.3 简述ZooKeeper包含哪几种Znode节点类型／51
4.4 请问ZooKeeper对Znode的监听是较为的吗／52
4.5 请问ZooKeeper集群包含多少节点合适／52
4.6 简述ZooKeeper集群节点包含哪些角色／53
4.7 简述ZooKeeper集群节点有哪几种工作状态／54
4.8 请问ZooKeeper节点宕机后内部如何处理／54
4.9 请问ZooKeeper集群是否支持动态添加机器／55
4.10 简述ZooKeeper集群的数据读写流程／56
4.11 简述ZooKeeper的监听器原理／57
4.12 谈谈你对CAP原则的理解／58
4.13 谈谈ZAB协议在ZooKeeper中的作用／59
4.14 谈谈你对ZooKeeper选举机制的理解／60
4.15 阐述ZooKeeper如何保证事务的顺序一致性／62
4.16 阐述如何迁移ZooKeeper集群／62
第5章 Hadoop大数据平台
5.1 Hadoop分布式文件系统（HDFS）／64
5.1.1 阐述HDFS中的数据块大小设置／64
5.1.2 简述HDFS的副本存放策略／65
5.1.3 阐述如何处理HDFS大量小文件问题／65
5.1.4 简述NameNode元数据存储在什么位置／67
5.1.5 阐述如何解决edits文件过大的问题／67
5.1.6 简述HDFS读数据流程／68
5.1.7 简述HDFS写数据流程／69
5.1.8 简述NameNode HA的运行机制／71
5.1.9 简述HDFS联邦机制／71
5.1.10 阐述如何处理NameNode宕机问题／72
5.1.11 阐述如何处理DataNode宕机问题／73
5.1.12 简述HDFS支持哪些存储格式与压缩算法／73
5.2 Hadoop资源管理系统（YARN）／75
5.2.1 简述YARN应用的运行机制／75
5.2.2 阐述YARN与MapReduce1的异同／76
5.2.3 简述YARN 高可用原理／77
5.2.4 简述YARN的容错机制／78
5.2.5 简述YARN调度器的工作原理／79
5.2.6 阐述YARN的任务提交流程／81
5.3 Hadoop分布式计算框架（MapReduce）／82
5.3.1 简述MapReduce作业运行机制／82
5.3.2 简述MapReduce Shuffle过程／85
5.3.3 简述MapReduce作业失败与容错机制／87
5.3.4 阐述如何解决MapReduce数据倾斜问题／89
5.3.5 简述MapReduce二次排序原理／90
5.3.6 简述MapReduce Join实现原理／91
第6章 Hive数据仓库工具
6.1 简述Hive与传统数据库的异同／93
6.2 简述Hive与HBase的异同／94
6.3 简述Hive包含哪些建表方式／94
6.4 简述Hive内部表与外部表的区别／95
6.5 简述Hive分区表与分桶表的区别／96
6.6 简述Hive包含哪些表连接方式／97
6.7 简述collect_list()与collect_set()函数的区别／98
6.8 简述ORDER BY、DISTRIBUTE BY、SORT BY和
CLUSTER BY的区别与联系／99
6.9 谈谈如何预防Hive查询全表扫描／100
6.10 简述Hive包含哪些自定义函数／101
6.11 阐述如何解决Hive数据倾斜问题／101
6.12 阐述Hive有哪些性能调优手段／104
第7章 HBase分布式数据库
7.1 简述HBase的应用场景／106
7.2 简述HBase读数据流程／107
7.3 简述HBase写数据流程／108
7.4 阐述HBase Region如何定位／109
7.5 简述HBase Region的合并与分裂过程／110
7.6 阐述HBase如何设计RowKey／112
7.7 阐述HBase如何实现预分区／112
7.8 谈谈你对HBase二级索引的理解／113
7.9 阐述HBase如何降低磁盘IO／114
……