后端岗位面试题 · 技术原理 · 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 216 道 · 更新 2026-08-05
筛选题目已选：技术原理 · tech:apache-spark
考察点
技术栈
第 1 题说一下 Spark 任务的大概提交流程是什么样的？ 考察对 Spark 任务从提交到运行的整体流程理解第 2 题Hive和Spark有什么区别？ 考察对计算引擎与执行模型差异的理解第 3 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 4 题Spark 中 Stage 是如何切分的？ 考察对 Spark 作业执行模型和调度机制的理解第 5 题Spark中RDD的Task数量由什么决定？ 考察对Spark任务调度与分区机制的理解第 6 题如何优化实际 Spark 任务?请举例(如数据倾斜、Shuffle 优化)。 考察对 Spark 任务性能瓶颈的识别与常见优化手段的实际运用能力第 7 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 8 题自定义 UDF 怎么实现?比如在 Hive 或Spark 里,具体步骤是啥,有没有踩过坑 考察对 Hive/Spark 自定义 UDF 开发流程、生命周期和踩坑点的理解第 9 题说一下 Shuffle 和宽窄依赖，怎么可以避免 Shuffle？ 考察 Spark 数据分区机制与性能优化意识第 10 题你了解哪些大数据平台？ 考察对大数据生态组件的了解广度与理解深度第 11 题Spark的数据倾斜体现在哪些方面，以及如何解决？ 考察对Spark数据倾斜的识别能力和实际调优手段第 12 题请谈谈你对Spark SQL的理解，包括它的主要用途和核心优势。 考察对Spark SQL基本概念与应用场景的掌握第 13 题列举常见的分布式大数据计算引擎，并说明各自适用的典型场景。 考察大数据生态基础知识的广度及场景匹配意识第 14 题请说明Spark On YARN的Cluster和Client两种运行模式的区别。 考察对Spark YARN部署模型的理解及Driver运行位置的影响第 15 题请对比 Spark 中 RDD 与 DataFrame 的区别，并说明各自适用的场景。 考察对 Spark 两大抽象的理解及其选型能力第 16 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 17 题大数据在分布式存储和计算层面的作用分别是什么？哪些技术比较有特点？ 考察大数据技术栈的整体理解及分布式存储与计算的特性第 18 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 19 题请列举 Spark 的算子类型，并为每类给出两三个典型操作。 考察对 Spark 算子分类及常用操作的掌握程度第 20 题请介绍 Spark 中常用的算子，并说明它们的作用。 考察对 Spark 核心算子的理解与应用