订阅更新

Hadoop / Hive / HBase 面试题73 道

HDFS、YARN、MapReduce、Hive 调优、HBase 设计

全部 FlinkSparkKafka项目与面试表达Hadoop / Hive / HBaseAI 与大模型OLAP 与数据湖数仓建模SQL 与数据库数据应用：画像 / 指标 / 报表数据开发与治理Java 与 JVMPythonLinux 与运维分布式与综合
按题号 最新在前
  1. 009 Hive SQL 跑得很慢，你怎么排查？
  2. 017 HDFS 小文件过多，怎么治理？
  3. 024 Hive 分区表和分桶表有什么区别？
  4. 089 HBase RowKey 怎么设计？
  5. 131 HDFS 写数据流程和副本机制是怎样的？
  6. 137 MapReduce Shuffle 过程是怎样的？
  7. 139 HBase 的读写流程是怎样的？
  8. 140 HBase 热点问题怎么产生？如何解决？
  9. 141 HDFS NameNode HA 是怎么实现的？
  10. 142 Hive 中 ORDER BY、SORT BY、DISTRIBUTE BY 和 CLUSTER BY 有什么区别？
  11. 150 YARN 的 ResourceManager、NodeManager 和 ApplicationMaster 分别负责什么？
  12. 152 HDFS FsImage、EditLog 和 Checkpoint 是什么关系？
  13. 161 HDFS 读数据流程和短路读取是怎样的？
  14. 171 HDFS Federation 和 HA 有什么区别？
  15. 172 YARN Capacity Scheduler 如何做队列和资源隔离？
  16. 180 HDFS 纠删码和三副本怎么选？
  17. 181 HBase Region Split 和 Compaction 有什么区别？
  18. 195 HDFS Balancer 和 Disk Balancer 有什么区别？
  19. 196 HBase BlockCache 和 BloomFilter 如何减少磁盘读？
  20. 197 Hive CBO 为什么依赖统计信息？
  21. 209 HBase WAL 和 MemStore 如何保证写入不丢？
  22. 218 HDFS SafeMode 是什么？为什么一直退不出去？
  23. 219 Hive 向量化执行为什么更快？
  24. 237 HBase Scan 为什么慢？Filter、Caching 和 Batch 怎么配？
  25. 238 HDFS 节点下线怎么做？Decommission 和 Maintenance 有什么区别？
  26. 258 HBase 支持事务吗？单行原子性和 CheckAndMutate 能保证什么？
  27. 268 HDFS Block 越大越好吗？文件、Block 和 InputSplit 有什么区别？
  28. 269 Hive 动态分区怎么写？为什么分区太多会拖慢任务？
  29. 278 HBase 配了 TTL 为什么数据还占空间？TTL 和多版本怎么配合？
  30. 308 HDFS 支持追加，为什么不能像数据库一样随机修改文件？
  31. 318 HBase BulkLoad 为什么比批量 Put 快？导入成功就算验收通过吗？
  32. 328 HDFS hflush 和 hsync 有什么区别？读得到就代表已经持久化吗？
  33. 345 MapReduce Combiner 能代替 Reducer 吗？为什么平均值不能直接局部求？
  34. 349 HBase 默认强一致，为什么副本读可能读到旧值？Timeline 读怎么选？
  35. 03-01 一条Hive SQL从提交到出结果，到底经历了什么？
  36. 03-02 千亿级用户行为日志表，你怎么设计分区和分桶？
  37. 03-03 商品价格每天都在变，你怎么设计这张维度表？
  38. 03-04 每天跑完ETL后小文件爆炸，你怎么解决？
  39. 03-05 两张千万级的表Join特别慢，你怎么优化？
  40. 03-06 某个Reduce卡了20分钟，你怎么排查和解决数据倾斜？
  41. 03-07 下游报表数据异常，你怎么快速定位问题？
  42. 03-08 动态分区插入踩过什么坑？
  43. 03-09 Parquet和ORC怎么选？生产环境用哪个？
  44. 03-10 老板问“这个指标怎么算的”，你怎么追溯数据血统？
  45. 03-11 出海业务涉及多个时区，数据时间怎么统一处理？
  46. 03-12 ETL跑完后怎么确保数据是对的？数据质量检查怎么做？
  47. 03-13 什么时候需要自己写UDF？能举个例子吗？
  48. 03-14 Hive也能做UPDATE和DELETE了？事务表怎么用？
  49. 03-15 窗口函数在业务里怎么用？举三个真实场景
  50. 03-16 表越来越多、存储成本爆炸，你怎么管理表的生命周期？
  51. 03-17 1000+埋点事件精简到100+，我是怎么做埋点治理的？
  52. 03-18 数百个ETL作业的依赖关系怎么管理？
  53. 03-19 从自建EMR迁到云平台，有哪些坑？
  54. 03-20 请描述一个你做过的Hive数仓项目
  55. 09-01 面试官问Hadoop你还在说'三大组件'？——架构全景和现代定位
  56. 09-02 一个文件上传后被切成了3份——HDFS的Block、副本和存储原理
  57. 09-03 NameNode挂了整个集群瘫痪——HDFS高可用和元数据管理
  58. 09-04 上传了10万个小文件集群卡死了——HDFS小文件问题全解析
  59. 09-05 DataNode磁盘报警了——HDFS存储管理、Balancer和纠删码
  60. 09-06 提交了一个Spark作业等了10分钟才跑——YARN资源调度原理
  61. 09-07 两个团队抢资源天天吵架——YARN队列配置和多租户管理
  62. 09-08 作业跑到一半Task失败了——YARN的容错和推测执行机制
  63. 09-09 MapReduce为什么比Spark慢10倍——执行模型深度对比
  64. 09-10 Shuffle是MapReduce最贵的操作——Shuffle过程详解和优化
  65. 09-11 100TB的Hive表跑了6小时——大规模数据处理的调优思路
  66. 09-12 EMR集群每月账单好几万美元——云上Hadoop成本优化
  67. 09-13 从EMR迁移到Databricks零故障——Hadoop生态迁移实战
  68. 09-14 HDFS、S3、OSS到底该用哪个——存储选型和数据湖底座
  69. 09-15 Hive跑在YARN上为什么这么慢——Hive on MR/Tez/Spark对比
  70. 09-16 DistCp拷贝数据拷了一夜——HDFS数据迁移和跨集群同步
  71. 09-17 Kerberos认证把新人搞崩了——Hadoop安全机制全解析
  72. 09-18 ZooKeeper挂了半个集群不工作了——ZK在Hadoop中的角色
  73. 09-19 2026年了还要学Hadoop吗——Hadoop生态的现状和未来