互联网一线大厂OPPO大数据技术岗面试题汇总

OPPO面试题

学长1
OPPO -实时处理工程师。一面试官陈泉，他拿了多个人的简历，边翻边问。

1）技术部分

（1）SparkStreaming消费方式及区别，Spark读取HDFS的数据流程

（2）Kafka高性能

（3）Hive调优，数据倾斜

（4）Zookeeper怎么避免脑裂，什么是脑裂。

（5）Redis的基本类型，并介绍一下应用场景

（6）最后会问一些Linux常用命令，比如怎么查进程，查IO运行内存等。还真有人问啊

2）项目部分

（1）Hive的分层设计

（2）还有一些Flume和Kafka的问题，为什么要把离线和实时搞在一起，可以做成两套系统。

学长2
（1）介绍你做的所有项目

（2）在项目中你负责什么

（3）数仓的数据量是多少

（4）MapReduce的Shuffle过程

（5）Spark与Flink的区别

（6）平常会自己去学一些技术吗

（7）你们公司的大数据组的人员配置

（8）你为什么离职

（9）工作中遇到哪些困难

（10）怎么使用Redis实现分布式锁

（11）Zookeeper的HA原理？

（12）两个业务有关联，某个业务的数据量有可能暴增崩溃，怎么保证另外的业务数据不受影响？

（13）MapReduce怎么去实现Hive中的mapjoin?

（14）SparkStreaming中Kafka的offset保存到MySQL中去实现的精准一次性消费，假如业务逻辑处理完，在提交offset时程序崩溃，处理完的数据怎么解决？

学长3
（1）讲一讲什么是CAP法则？Zookeeper符合了这个法则的哪两个？

（2）你们的Flink怎么提交的？使用的per-job模式吗？为什么使用Yarn-Session的模式？有什么好处？

（3）讲一讲Flink的分界线对齐原理，有什么作用？

（4）了解过Flink的两阶段提交策略吗？讲讲详细过程。如果第一阶段宕机了会怎么办？第二阶段呢？

（5）如果Spark在跑任务的途中，Driver直接挂掉了，但是Executor还在继续跑，你该如何解决这个问题？

（6）如何查看Linux中线程的内存、CPU占用、磁盘的消耗等？具体的参数讲一下

（7）讲讲HFile在HDFS中存储的具体格式

（8）讲一讲Spark和Flink的Checkpoint机制异同

关键词：大数据培训