后端岗位面试题 · 方案权衡 · tech:apache-spark
题库中标记为“后端”的结构化面试题。
共 89928 道真题 · 当前筛选命中 72 道 · 更新 2026-08-05
筛选题目已选：方案权衡 · tech:apache-spark
考察点
技术栈
第 1 题如何理解大数据任务的本质是“节点多则并行，节点少则串行，节点中等则整体并行加内部串行”这句话？ 考察对大规模数据处理中并行化策略的理解和工程思维第 2 题请谈谈你对Spark和MapReduce的理解，并说明它们各自的适用场景。 考察对分布式计算框架的技术原理掌握与方案选型能力第 3 题Spark 有哪些常见的 Join 实现方式？请分别说明其适用场景。 考察对 Spark Join 类型及其适用场景的理解第 4 题请解释什么是DataFrame，并说明它相比RDD的主要优势。 考察对DataFrame数据抽象及其相对RDD优势的理解第 5 题平时工作中有遇到任务产出比较慢、数据倾斜的问题吗？是怎么解决的？ 考察大数据任务性能问题排查与数据倾斜解决能力第 6 题Presto和Spark的区别是什么？ 考察对两种大数据计算引擎的架构、适用场景和性能特性的理解第 7 题Hive 查询为什么走 Spark 引擎通常比走 MR 更好？如果只能走 MR，可以从哪些方向优化？ 考察对两种计算引擎差异的理解及 MR 场景下的优化能力第 8 题请介绍Spark中shuffle的几种实现方式，并简要说明sort-based shuffle的特点。 考察对Spark shuffle机制及其演进的理解第 9 题在 Spark 中，你如何设置 executor 的 core 数量？为什么通常设置为 2？ 考察对 Spark 资源分配与并行度权衡的理解第 10 题MapReduce与Spark的区别是什么？ 考察候选人是否理解两种大数据计算框架的架构差异、适用场景与性能特点第 11 题请介绍 Spark 的 TaskScheduler 调度算法。 考察对 Spark 任务调度原理的理解及对常用调度算法的掌握程度第 12 题Spark数据倾斜的解决方法？ 考察对Spark数据倾斜成因的理解及系统性调优方案第 13 题Spark和MapReduce的区别是什么？Spark为什么快？ 考察对两种分布式计算框架架构差异的理解及性能优势的原理分析第 14 题请说明在Spark作业中执行commit提交操作时需要配置的参数，并解释其作用。 考察对Spark内部提交机制及关键参数的理解第 15 题面对一万亿条用户购买记录，每行包含用户ID和购买数量，如何找出购买数量最多的三位用户？请给出你的设计思路和可能的实现方案。 考察海量数据处理中的排序与内存优化能力，以及取舍意识第 16 题请介绍你在实际项目中使用过哪些 Spark 调优参数，以及它们各自解决了什么问题。 考察对 Spark 常用调优参数的理解及实际应用场景的分析能力第 17 题在配置大数据计算引擎（如 Spark 或 Flink）的内存管理时，是否应将最大堆与最小堆参数设置为相同值？请说明原因。 考察对 JVM 堆内存动态调整机制及其在分布式计算环境中影响的理解第 18 题为什么RDD处理速度比MapReduce快，为什么MapReduce没有被淘汰依然在使用？ 考察对Spark与MapReduce执行模型差异的理解及生态兼容性认知第 19 题Map Join 中如果小表太大导致内存占用过高甚至内存溢出，你会怎么处理？ 考察对 Map Join 原理、内存模型及优化策略的理解第 20 题Spark小文件怎么处理？ 考察对Spark小文件问题的理解及优化手段