白哥

1、数据仓库的输入数据源和输出系统分别是什么？ 输入系统：埋点产生的用户行为数据、JavaEE后台产生的业务数据、个别公司有爬虫数据。 输出系统：报表系统、用户画像系统、推荐...

白哥

1、什么是Hive，为什么要用Hive，你是如何理解Hive? Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供类SQL查询功能...

白哥

1、常用命令 ls、get、create、delete 2、选举机制 半数机制：集群中半数以上机器存活，集群可用。所以Zookeeper适合安装奇数台服务器。 1）服务器1启...

白哥

一、基础摸底 1、你们Kafka集群的硬盘一共多大？有多少台机器？日志保存多久？用什么监控的？ 这里考察应试者对kafka实际生产部署的能力，也是为了验证能力的真实程度，如果...

白哥

1、你是怎么理解Spark，它的特点是什么？ Spark是一个基于内存的，用于大规模数据处理（离线计算、实时计算、快速查询（交互式查询））的统一分析引擎。 它内部的组成模块，...

白哥

1、什么是Hadoop？ Hadoop是一个能够对大量数据进行分布式处理的软件框架。以一种可靠、高效、可伸缩的方式进行数据处理。主要包括三部分内容：Hdfs，MapReduc...