#MapReduce
##1. 不指定語言,寫一個WordCount的MapReduce
我:最近剛學了scala,并且就有scala版本的WordCount,剛好學以緻用了一下:
補:至于java版本,蝦皮部落客的一篇文章講解的非常細緻:
Hadoop叢集(第6期)_WordCount運作詳解
##2. 上述寫的程式中
.map((_,1))
的輸出結果是什麼
我:通過flatMap将其扁平化,而.map((_,1)) 則是每個出現單詞,1這樣的形式展現,此時還沒歸并。
##3. 你能用SQL語句實作上述的MapReduce嗎?要求按照基于某個字段的值的頻次倒序,并且以次元——頻次的形式結果展現?
我:基于某個字段——決定了要用group By,頻次要用count聚合,倒序自然少不了desc。
補:架構搭好就是往裡塞了:
##4.給你一份亂序的100萬個數字的檔案,你如何來排序?
我:先拆分成若幹小的,然後再排(思路是從希爾排序出發的)
補:内部排序算法:希爾排序
#Spark
##1. 說一說Spark程式編寫的一般步驟?
我:初始化,資源,資料源,并行化,rdd轉化,action算子列印輸出結果或者也可以存至相應的資料存儲媒體
補:具體的可看下圖:
##2. Spark有哪兩種算子?
我:Transformation(轉化)算子和Action(執行)算子。
##3. Spark送出你的jar包時所用的指令是什麼?
我:submit。
面試官:spark-submit?
我:嗯,spark-submit。
##4. Spark有哪些聚合類的算子,我們應該盡量避免什麼類型的算子?
我:aggeragate
面試官:還有呢?
我:記不清了。。。
面試官:還有你剛剛寫的那個groupByKey哈
補:
在我們的開發過程中,能避免則盡可能避免使用reduceByKey、join、distinct、repartition等會進行shuffle的算子,盡量使用map類的非shuffle算子。這樣的話,沒有shuffle操作或者僅有較少shuffle操作的Spark作業,可以大大減少性能開銷。
##5. 你所了解的Spark的shuffle過程?
我:spark shuffle處于一個寬依賴,可以實作類似混洗的功能,将相同的Key分發至同一個Reducer上進行處理。
補:詳細探究Spark的shuffle實作
##6. 你如何從Kafka中擷取資料?
我:topic
補:分布式消息系統:Kafka
##7. 對于Spark中的資料傾斜問題你有什麼好的方案?
我:可以先分析基數大造成資料傾斜的次元,将其适當的拆分。
補:Spark性能優化指南:進階篇
#程式設計
##1.如果我有兩個list,如何用Python語言取出這兩個list中相同的元素?
我:list(set(list1).intersection(set(list2))),通過set 的intersection取交集的函數實作相同元素的提取。
##** 2.請你給出在Python中較快擷取一個元素的資料結構,并且說出其時間複雜度以及它的缺陷是什麼?**
我:因為之前也在做一些leetcode上的題目,多多少少重溫了下資料結構,當時腦海裡呈現的是數組友善查找,隊列和棧友善插入删除,是以一聽到較快擷取果斷數組了。
面試官:dict(字典)
我:厲害!!
面試官:那它的時間複雜度你曉得嘛?
我:不是特别了解,O(1),常數時間複雜度?
面試官:嗯,那你知道它的缺陷嗎?
我:(中午吃撐了,TradeOff哈)不曉得
面試官:空間複雜度較高哈
補:
反思了一下,之是以說錯,可能和以前學習算法時,起承轉合的過度,并未将棧、隊列和map,或者dict直接比較,而是從數組切換到隊列和棧,是以就和之前的那個PUT和POST差不多,訓練邏輯正确,确實數組查詢記錄友善,但訓練廣度有些多樣性不夠。
算法備忘錄——基礎資料結構與複雜度
常用資料結構和算法操作效率的對比總結
##3. 做幾道OJ的題目(英文的),說一說這個問題的要求和注意點,以及可以獲得正确結果的你的思路?
恢複IP位址
Given a string containing only digits, restore it by returning all possible valid IP address combinations.
Example
Given “25525511135”, return
[
“255.255.11.135”,
“255.255.111.35”
]
Order does not matter.
我:思考了一會兒,沒想出來,隻能想出個不通用的思路。
面試官:給你個提示,嘗試用樹這個資料結構。
補:此處埋一個坑,學完樹的資料結構再回來解決。
快樂數
Write an algorithm to determine if a number is happy.
A happy number is a number defined by the following process: Starting with any positive integer, replace the number by the sum of the squares of its digits, and repeat the process until the number equals 1 (where it will stay), or it loops endlessly in a cycle which does not include 1. Those numbers for which this process ends in 1 are happy numbers.
Example
19 is a happy number
1^2 + 9^2 = 82
8^2 + 2^2 = 68
6^2 + 8^2 = 100
1^2 + 0^2 + 0^2 = 1
我:思路是模拟過程法,即按照它驗證一個數是否是快樂數的方式進行模拟,當然也有些取巧的方式,如果某個中間結果曾出現過,妥妥滴死循環嘛,即刻跳出。
面試官:思路是對的
我:我覺得這會TLE,肯定有取巧的方法(這道題目之前好像接觸過)
補:回去搜了一下,發現之前一直求助的一個大神的部落格通過模拟過程用Python實作的:
Happy Number ***(之前的懷疑有更巧方法在于時常保持偷懶的思維也是必要的)***
##4. 你常用的IDE有哪些?
我:Java:Eclipse;Python:PyCharm;Scala:IntelliJ IDEA;Shell:VIM
##5. 你了解設計模式嗎?
我:不了解,但以後回去買本O’Really的《設計模式》
補:封面如下:
##6. 什麼是Restful API?
我:由于對Restful的了解隻停留在使用層面,給我的感覺像是一種資源的送出擷取,GET擷取,POST/DELETE/PUT都可以看作是一種送出操作
補:
【專業定義】:一種軟體架構風格,設計風格而不是标準,隻是提供了一組設計原則和限制條件。它主要用于用戶端和伺服器互動類的軟體。基于這個風格設計的軟體可以更簡潔,更有層次,更易于實作緩存等機制。
RESTful百度百科
#Devops
##1. 資料庫讀寫分離的目的是什麼?
我:①減輕負載;②權限控制
補:讀寫分離的作用
看了上面的文章,減輕負載是首要目的,至于權限控制,更像是一種實作方式,不像目的。
##2. ZooKeeper是什麼?非大資料領域,我們可以用ZooKeeper來做些什麼?
我:ZooKeeper是分布式協調元件,非大資料領域,可以用ZooKeeper來做HA或者存儲資料,比如配置資訊啥的。(Znode)
補:ZooKeeper 典型應用場景一覽