互联网/IT行业面试题 · tech:apache-spark
互联网/IT行业相关面试题，按题目行业基础数据聚合。
共 47588 道真题 · 当前筛选命中 103 道 · 更新 2026-08-05
筛选题目已选：tech:apache-spark
考察点
技术栈
第 21 题请描述 Spark 中 Shuffle 的原理与执行流程。 考察对 Spark Shuffle 底层机制、磁盘与网络开销的掌握第 22 题请介绍你的Spark调优思路，涵盖你实际遇到过的性能问题。 考察Spark性能优化知识体系、问题定位能力及实战经验第 23 题请解释数据倾斜的概念，并给出常见的解决方法。 考察分布式数据处理中对数据倾斜问题的理解及应对策略第 24 题请详细说明Spark中一个算子从提交到分布式执行的完整过程，包括DAG构建、任务调度和执行阶段。 考察对Spark执行引擎核心流程的理解，包括调度、执行和容错机制第 25 题请解释Spark SQL中的自适应查询执行（AQE）是什么，并说明其主要优化机制。 考察对Spark AQE的核心概念、触发机制与优化能力的理解第 26 题MR和Spark的区别是什么？ 考察对MapReduce与Spark核心架构、计算模型及适用场景差异的理解第 27 题离线数仓中遇到数据倾斜，你会如何定位和优化？ 考察对数据倾斜原因的分析和调优能力第 28 题请介绍你了解哪些常用的数据组件，以及它们各自的作用。 考察对数据处理链路中常见组件的认知广度与基础理解第 29 题相比 MapReduce，Spark 在哪些方面更优？请结合典型场景说明原因。 考察对 Spark 与 MapReduce 架构差异和适用场景的理解第 30 题Spark了解吗?从代码到输出结果,Spark引擎做了什么? 考察Spark执行流程与核心机制理解第 31 题请说明Apache Spark的内存结构，以及不同内存在执行任务时所起的作用。 考察对Spark内存管理与执行机制的理解第 32 题Flink和Spark流式处理的区别 考察流式计算引擎的架构差异与实时性理解第 33 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 34 题请谈谈你在处理数据倾斜问题时，通常会针对哪些参数进行调优，并说明具体的调优思路和效果。 考察对数据倾斜问题的理解和参数调优的实际经验第 35 题你了解Spark的宽窄依赖吗？ 考察Spark任务划分与依赖关系的基本原理第 36 题请解释 Spark RDD 的容错机制，并说明它是如何保证数据可靠性的？ 考察对 Spark RDD 血缘关系和容错恢复原理的理解第 37 题Spark中job、stage和task分别是什么含义，它们之间有什么关系？ 考察对Spark作业执行模型和任务划分机制的理解第 38 题Spark和MapReduce最大的区别是什么？ 考察对两大分布式计算框架核心差异的理解与概括能力第 39 题请解释Spark中RDD与Partition的关系，并说明Partition数如何影响任务执行。 考察对Spark RDD分区机制及并行度影响的理解第 40 题请详细介绍Spark的底层工作原理。 考察对Spark架构、执行模型和底层机制的深入理解