Java大数据开发面经分享：16 天 5 面，从华为 od 到鹅厂

作者：沉默王二发布时间：2023-01-29T10:59:28.073+0800

球友们好，春节后，到 3 月4 月份，是跳槽的高峰期，所以打算给大家多分享一些读者的面经，多从别人身上吸取一些成功的经验，自己也能更得心应手。

下图是星球专栏《Java 面试指南》里已经沉淀的面经贴：

这次分享的是一个从华为 od 跳到腾讯的面经「大数据开发（Java）岗位」，主要包括 Java 相关、项目相关、实战经验相关。内容收录在星球专栏《Java 面试指南》的《优质面经篇》中，专栏托管在语雀平台上（更方便你沉浸式阅读和做笔记），访问地址和密码：https://t.zsxq.com/6iuzn6I

几乎所有问题都能在「面渣逆袭」上找到很详细的答案：https://t.zsxq.com/04FuZrRVf

2.1 技术一面

Java 语言相关

1、对 Java 的类加载器有没有了解？如何自定义类加载器？

引申：一个类能被加载多次吗？java/javax 包下的类会被加载多次吗？

2、Java 中要怎么创建一个对象🐘？

3、对多线程有了解吗？在什么场景下需要使用多线程？

引申：对 线程安全 的认识；对线程池的了解，以及各个线程池的适用场景。

4、对垃圾回收的了解？

5、对 JVM 分代的了解？

6、NIO 的了解？用过 RandomAccessFile 吗？

引申：对 同步、异步，阻塞、非阻塞 的理解？

多路复用 IO 的优势？

7、ArrayList 和 LinkedList 的区别？各自的适用场景？

8、实现一个 Hash 集合，需要考虑哪些因素？

引申：JDK 对 HashMap 的设计关键点，比如初识容量，扩所容，链表转红黑树，以及 JDK 7 和 JDK 8 的区别等等。

通用学科相关

1、TCP 的三次握手；

2、Linux 的常用命令，比如：

ps aux / ps -ef、top C

vmstat、mpstat、iostat、netstat

项目框架相关

1、Kafka 和其他 MQ 的区别？它的吞吐量为什么高？

消费者主动 pull 数据，目的是：控制消费节奏，还可以重复消费；

吞吐量高：各 partition 顺序写 IO，批量刷新到磁盘（OS 的 pageCache 负责刷盘，Kafka 不用管），比随机 IO 快；读取数据基于 sendfile 的 Zero Copy；批量数据压缩……

2、Hive 和 SparkSQL 的区别？

3、Ranger 的权限模型、权限对象，鉴权过程，策略如何刷新……

问题定位方法

1、ssh 连接失败，如何定位？

是否能 ping 通（DNS是否正确）、对端端口是否开了防火墙、对端服务是否正常……

2、运行 Java 程序的服务器，CPU 使用率达到 100%，如何定位？

ps aux | grep xxx 或 jps 命令找到 Java 的进程号 pid，

然后用 top -Hp pid 命令查看其阻塞的线程序号，将其转换为16进制；

再通过 jstack pid 命令跟踪此 Java 进程的堆栈，搜索上述转换来的16进制线程号，即可找到对应的线程名及其堆栈信息……

3、Java 程序发生了内存溢出，如何定位？

jmap 工具查看堆栈信息，看 Eden、Old 区的变化……

2.2 技术二面

二面主要是过往项目相关的问题：

1、Solr 和 Elasticsearch 的区别 / 优劣？

2、对 Elasticsearch 的优化，它的索引过程，选主过程等问题……

3、项目中遇到的难题，如何解决的？

blabla 有少量的基础问题和一面有重复，还有几个和大数据相关的问题，记不太清了😅

2.3 技术三面

这一面是总监面，更多是个人关于职业发展的一些想法，以及在之前公司的成长和收获、对下一份工作的期望等问题。

但也问了几个技术问题。印象比较深的是这个：

1个1TB 的大文件，每行都只是1个数字，无重复，8GB 内存，要怎么对这个文件进行排序？

首先想到的是 MapReduce 的思路，拆分小文件，分批排序，最后合并。

此时连环追问来了：

Q：如何尽可能多的利用内存呢？

A：用位图法的思路，对数字按顺序映射。（对映射方法要有基本的了解）

Q：如果在排好序之后，还需要快速查找呢？

A：可以做索引，类似 Redis 的跳表，通过多级索引提高查找速度。

Q：索引查找的还是文件。要如何才能更多地利用内存呢？

A：那就要添加缓存了，把读取过的数字缓存到内存中。

Q：缓存应该满足什么特点呢？

A：应该使用 LRU 型的缓存。

呼。。总算是追问完了这道题😂

还有 GM 面和 HR 面，问题都和个人经历相关，这里就略去不表。

参考链接：https://www.cnblogs.com/shoufeng/p/14381680.html

下图是星球专栏《Java 面试指南》里已经沉淀的面经贴：

几乎所有问题都能在「面渣逆袭」上找到很详细的答案：https://t.zsxq.com/04FuZrRVf

2.1 技术一面

Java 语言相关

1、对 Java 的类加载器有没有了解？如何自定义类加载器？

引申：一个类能被加载多次吗？java/javax 包下的类会被加载多次吗？

2、Java 中要怎么创建一个对象🐘？

3、对多线程有了解吗？在什么场景下需要使用多线程？

引申：对 线程安全 的认识；对线程池的了解，以及各个线程池的适用场景。

4、对垃圾回收的了解？

5、对 JVM 分代的了解？

6、NIO 的了解？用过 RandomAccessFile 吗？

引申：对 同步、异步，阻塞、非阻塞 的理解？

多路复用 IO 的优势？

7、ArrayList 和 LinkedList 的区别？各自的适用场景？

8、实现一个 Hash 集合，需要考虑哪些因素？

引申：JDK 对 HashMap 的设计关键点，比如初识容量，扩所容，链表转红黑树，以及 JDK 7 和 JDK 8 的区别等等。

通用学科相关

1、TCP 的三次握手；

2、Linux 的常用命令，比如：

ps aux / ps -ef、top C

vmstat、mpstat、iostat、netstat

项目框架相关

1、Kafka 和其他 MQ 的区别？它的吞吐量为什么高？

消费者主动 pull 数据，目的是：控制消费节奏，还可以重复消费；

2、Hive 和 SparkSQL 的区别？

3、Ranger 的权限模型、权限对象，鉴权过程，策略如何刷新……

问题定位方法

1、ssh 连接失败，如何定位？

是否能 ping 通（DNS是否正确）、对端端口是否开了防火墙、对端服务是否正常……

2、运行 Java 程序的服务器，CPU 使用率达到 100%，如何定位？

ps aux | grep xxx 或 jps 命令找到 Java 的进程号 pid，

然后用 top -Hp pid 命令查看其阻塞的线程序号，将其转换为16进制；

再通过 jstack pid 命令跟踪此 Java 进程的堆栈，搜索上述转换来的16进制线程号，即可找到对应的线程名及其堆栈信息……

3、Java 程序发生了内存溢出，如何定位？

jmap 工具查看堆栈信息，看 Eden、Old 区的变化……

2.2 技术二面

二面主要是过往项目相关的问题：

1、Solr 和 Elasticsearch 的区别 / 优劣？

2、对 Elasticsearch 的优化，它的索引过程，选主过程等问题……

3、项目中遇到的难题，如何解决的？

blabla 有少量的基础问题和一面有重复，还有几个和大数据相关的问题，记不太清了😅

2.3 技术三面

这一面是总监面，更多是个人关于职业发展的一些想法，以及在之前公司的成长和收获、对下一份工作的期望等问题。

但也问了几个技术问题。印象比较深的是这个：

1个1TB 的大文件，每行都只是1个数字，无重复，8GB 内存，要怎么对这个文件进行排序？

首先想到的是 MapReduce 的思路，拆分小文件，分批排序，最后合并。

此时连环追问来了：

Q：如何尽可能多的利用内存呢？

A：用位图法的思路，对数字按顺序映射。（对映射方法要有基本的了解）

Q：如果在排好序之后，还需要快速查找呢？

A：可以做索引，类似 Redis 的跳表，通过多级索引提高查找速度。

Q：索引查找的还是文件。要如何才能更多地利用内存呢？

A：那就要添加缓存了，把读取过的数字缓存到内存中。

Q：缓存应该满足什么特点呢？

A：应该使用 LRU 型的缓存。

呼。。总算是追问完了这道题😂

还有 GM 面和 HR 面，问题都和个人经历相关，这里就略去不表。

参考链接：https://www.cnblogs.com/shoufeng/p/14381680.html

下图是星球专栏《Java 面试指南》里已经沉淀的面经贴：

几乎所有问题都能在「面渣逆袭」上找到很详细的答案：https://t.zsxq.com/04FuZrRVf

2.1 技术一面

Java 语言相关

1、对 Java 的类加载器有没有了解？如何自定义类加载器？

引申：一个类能被加载多次吗？java/javax 包下的类会被加载多次吗？

2、Java 中要怎么创建一个对象🐘？

3、对多线程有了解吗？在什么场景下需要使用多线程？

引申：对 线程安全 的认识；对线程池的了解，以及各个线程池的适用场景。

4、对垃圾回收的了解？

5、对 JVM 分代的了解？

6、NIO 的了解？用过 RandomAccessFile 吗？

引申：对 同步、异步，阻塞、非阻塞 的理解？

多路复用 IO 的优势？

7、ArrayList 和 LinkedList 的区别？各自的适用场景？

8、实现一个 Hash 集合，需要考虑哪些因素？

引申：JDK 对 HashMap 的设计关键点，比如初识容量，扩所容，链表转红黑树，以及 JDK 7 和 JDK 8 的区别等等。

通用学科相关

1、TCP 的三次握手；

2、Linux 的常用命令，比如：

ps aux / ps -ef、top C

vmstat、mpstat、iostat、netstat

项目框架相关

1、Kafka 和其他 MQ 的区别？它的吞吐量为什么高？

消费者主动 pull 数据，目的是：控制消费节奏，还可以重复消费；

2、Hive 和 SparkSQL 的区别？

3、Ranger 的权限模型、权限对象，鉴权过程，策略如何刷新……

问题定位方法

1、ssh 连接失败，如何定位？

是否能 ping 通（DNS是否正确）、对端端口是否开了防火墙、对端服务是否正常……

2、运行 Java 程序的服务器，CPU 使用率达到 100%，如何定位？

ps aux | grep xxx 或 jps 命令找到 Java 的进程号 pid，

然后用 top -Hp pid 命令查看其阻塞的线程序号，将其转换为16进制；

再通过 jstack pid 命令跟踪此 Java 进程的堆栈，搜索上述转换来的16进制线程号，即可找到对应的线程名及其堆栈信息……

3、Java 程序发生了内存溢出，如何定位？

jmap 工具查看堆栈信息，看 Eden、Old 区的变化……

2.2 技术二面

二面主要是过往项目相关的问题：

1、Solr 和 Elasticsearch 的区别 / 优劣？

2、对 Elasticsearch 的优化，它的索引过程，选主过程等问题……

3、项目中遇到的难题，如何解决的？

blabla 有少量的基础问题和一面有重复，还有几个和大数据相关的问题，记不太清了😅

2.3 技术三面

这一面是总监面，更多是个人关于职业发展的一些想法，以及在之前公司的成长和收获、对下一份工作的期望等问题。

但也问了几个技术问题。印象比较深的是这个：

1个1TB 的大文件，每行都只是1个数字，无重复，8GB 内存，要怎么对这个文件进行排序？

首先想到的是 MapReduce 的思路，拆分小文件，分批排序，最后合并。

此时连环追问来了：

Q：如何尽可能多的利用内存呢？

A：用位图法的思路，对数字按顺序映射。（对映射方法要有基本的了解）

Q：如果在排好序之后，还需要快速查找呢？

A：可以做索引，类似 Redis 的跳表，通过多级索引提高查找速度。

Q：索引查找的还是文件。要如何才能更多地利用内存呢？

A：那就要添加缓存了，把读取过的数字缓存到内存中。

Q：缓存应该满足什么特点呢？

A：应该使用 LRU 型的缓存。

呼。。总算是追问完了这道题😂

还有 GM 面和 HR 面，问题都和个人经历相关，这里就略去不表。

参考链接：https://www.cnblogs.com/shoufeng/p/14381680.html

            知识星球
            
    
    
        
        扫码加入星球
        查看更多优质内容
    
    https://wx.zsxq.com/mweb/views/joingroup/join_group.html?group_id=15522885221412