大数据工程师（开发）面试系列（6）

由于其中一次谈到的内容比较少，所以本文是两次合并成一篇写的。

1. Kylin如何优化

我：①经常需要group By查询的维度顺序在先；②基数近1:1的字段选择joint维度；③lookup表尽量避免基数大，更多的可以查看博客
补： 《Apache Kylin cube优化指南》

2. Hive没有long类型你是怎么处理的？

我：之前的项目，做的是Hive关联HBase外表，对于细节上的，比如类型转换可能当时出现问题了，留意一下，并没有过度深究，所以确实不了解。
补：

Hive

从上图不难看出，Java的Long类型，Hive是通过BIGINT类型来处理的。

3. 简单介绍下HBase，HBase的查询性能怎样，和Hive相比，两者之间又有什么样的不同？

我：HBase是列式NoSQL的数据库，适合基于历史数据的交互式查询，节点配置合理，每秒可以支持到3w+写性能；但是慎用scan，多用get，Hive是一个类SQL引擎，不做partition的话，会全表遍历，而遍历时基于的又是MapReduce所以查询性能没有HBase好。
补：面试的时候说的比较笼统，scan在不做优化的时候，性能上会降低，针对scan的优化，可以看如下这幅图片：

hbase scan优化策略

HBase和Hive具体的区别，不妨看下如下三篇文章：
HBase 与 Hive 的区别和关系
hive与hbase的联系与区别
hive中partition如何使用

4. 有没有撘过Hadoop集群，搭建的是什么版本的？

我：搭建过一个6个节点的基于原生的Hadoop。
补：关于Hadoop2+以上集群的搭建，以及Hadoop生态圈的一些基本常识，这边刚好有【传智播客Hadoop 7天的视频资料】，感兴趣的童鞋不妨一起来学习学习：
链接：http://pan.baidu.com/s/1i4NeIW1 密码：koxl