㈠ 常见大数据公司面试问题有哪些
1、您对“大数据”一词有什么了解?
答： 大数据是与复杂和大型数据集相关的术语。关系数据库无法处理大数据，这就是为什么使用特殊的工具和方法对大量数据执行操作的原因。大数据使公司能够更好地了解其业务，并帮助他们从定期收集的非结构化和原始数据中获取有意义的信息。大数据还使公司能够根据数据做出更好的业务决策。
2、告诉我们大数据和Hadoop之间的关系。
答： 大数据和Hadoop几乎是同义词。随着大数据的兴起，专门用于大数据操作的Hadoop框架也开始流行。专业人士可以使用该框架来分析大数据并帮助企业做出决策。
注意： 在大数据采访中通常会问这个问题。 可以进一步去回答这个问题，并试图解释的Hadoop的主要组成部分。
3、大数据分析如何有助于增加业务收入?
答：大数据分析对于企业来说已经变得非常重要。它可以帮助企业与众不同，并增加收入。通过预测分析，大数据分析为企业提供了定制的建议。此外，大数据分析使企业能够根据客户的需求和偏好推出新产品。这些因素使企业获得更多收入，因此公司正在使用大数据分析。通过实施大数据分析，公司的收入可能会大幅增长5-20%。一些使用大数据分析来增加收入的受欢迎的公司是-沃尔玛，LinkedIn，Facebook，Twitter，美国银行等。
㈡ java面试题：将一个20G的数据,存入一个运行2G的电脑里，每个数据占一行,怎么去重
这题考的是大数据去重，数据量大于内存，即无法直接在内存中去重，那回么有两个方案：
1、内存外去重答
也就是将数据存入数据库，然后利用数据库进行排序并去重。
优缺点：
1）优点：简单直接
2）缺点：消耗大
2、算法去重
题目中说明是20G数据，假设每行数据是1k，则数据行数是20M（如果每行数据是512字节，则数据行数是40M），可使用MD5对每行数据进行映射，获得16字节映射吗，即总共需要内存空间320M（或640M），满足内存内去重的需求。
优缺点：
1）优点：在内存内进行处理，速度明显比内存为要快。
2）缺点：需要进行额外的编码，程序复杂度和效率要求较高。
㈢ java基础面试题有哪些
下面是10道java基础面试题，后附答案
1.什么是 Java 虚拟机?为什么 Java 被称作是“平台无关的编程语言”?
Java 虚拟机是一个可以执行 Java 字节码的虚拟机进程。Java 源文件被编译成能被 Java 虚拟机执行的字节码文件。
Java 被设计成允许应用程序可以运行在任意的平台，而不需要程序员为每一个平台单独重写或者是重新编译。Java 虚拟机让这个变为可能，因为它知道底层硬件平台的指令长度和其他特性。
2.“static”关键字是什么意思?Java 中是否可以覆盖(override)一个 private 或者是static 的方法?
“static”关键字表明一个成员变量或者是成员方法可以在没有所属的类的实例变量的情况下被访问。
Java 中 static 方法不能被覆盖，因为方法覆盖是基于运行时动态绑定的，而 static 方法是编译时静态绑定的。static 方法跟类的任何实例都不相关，所以概念上不适用。
3.JDK 和 JRE 的区别是什么?
Java 运行时环境(JRE)是将要执行 Java 程序的 Java 虚拟机。它同时也包含了执行 applet 需要的浏览器插件。Java 开发工具包 (JDK)是完整的 Java 软件开发包，包含了 JRE，编译器和其他的工具(比如：JavaDoc，Java 调试器)，可以让开发者开发、编译、执行 Java 应用程序。
4.是否可以在 static 环境中访问非 static 变量?
static 变量在 Java 中是属于类的，它在所有的实例中的值是一样的。当类被 Java 虚拟机载入的时候，会对 static 变量进行初始化。如果你的代码尝试不用实例来访问非 static 的变量，编译器会报错，因为这些变量还没有被创建出来，还没有跟任何实例关联上。
5.Java 支持的数据类型有哪些?什么是自动拆装箱?
Java 语言支持的 8 中基本数据类型是：
byte
short
int
long
float
double
boolean
char
自动装箱是 Java 编译器在基本数据类型和对应的对象包装类型之间做的一个转化。比如：把 int 转化成 Integer，double 转化成 double，等等。反之就是自动拆箱。
6.Java 支持多继承么?
不支持，Java 不支持多继承。每个类都只能继承一个类，但是可以实现多个接口。
7.Java 中，什么是构造函数?什么是构造函数重载?什么是复制构造函数?
当新对象被创建的时候，构造函数会被调用。每一个类都有构造函数。在程序员没有给类提供构造函数的情况下，Java 编译器会为这个类创建一个默认的构造函数。
Java 中构造函数重载和方法重载很相似。可以为一个类创建多个构造函数。每一个构造函数必须有它自己唯一的参数列表。
Java 不支持像 C++中那样的复制构造函数，这个不同点是因为如果你不自己写构造函数的情况下，Java 不会创建默认的复制构造函数。
8.Java 中的方法覆盖(Overriding)和方法重载(Overloading)是什么意思?
Java 中的方法重载发生在同一个类里面两个或者是多个方法的方法名相同但是参数不同的情况。与此相对，方法覆盖是说子类重新定义了父类的方法。方法覆盖必须有相同的方法名，参数列表和返回类型。覆盖者可能不会限制它所覆盖的方法的访问。
9.接口和抽象类的区别是什么?
Java 提供和支持创建抽象类和接口。它们的实现有共同点，不同点在于：
接口中所有的方法隐含的都是抽象的。而抽象类则可以同时包含抽象和非抽象的方法。
类可以实现很多个接口，但是只能继承一个抽象类
类如果要实现一个接口，它必须要实现接口声明的所有方法。但是，类可以不实现抽象类声明的所有方法，当然，在这种情况下，类也必须得声明成是抽象的。
抽象类可以在不提供接口方法实现的情况下实现接口。
Java 接口中声明的变量默认都是 final 的。抽象类可以包含非 final 的变量。
Java 接口中的成员函数默认是 public 的。抽象类的成员函数可以是 private， protected 或者是 public。
接口是绝对抽象的，不可以被实例化。抽象类也不可以被实例化，但是，如果它包含 main 方法的话是可以被调用的。
10.什么是值传递和引用传递?
对象被值传递，意味着传递了对象的一个副本。因此，就算是改变了对象副本，也不会影响源对象的值。
对象被引用传递，意味着传递的并不是实际的对象，而是对象的引用。因此，外部对引用对象所做的改变会反映到所有的对象上。
最后祝你面试顺利！
㈣ 谁有JAVA面试题分享一下呗，现在复习没有头绪浪费了很多时间
这里有10个经典的Java面试题，也为大家列出了答案。这是Java开发人员面试经常容易遇到的问题，相信你了解和掌握之后一定会有所提高。让我们一起来看看吧。
1.Java的HashMap是如何工作的？
HashMap是一个针对数据结构的键值，每个键都会有相应的值，关键是识别这样的值。
HashMap 基于 hashing 原理，我们通过 put ()和 get ()方法储存和获取对象。当我们将键值对传递给 put ()方法时，它调用键对象的 hashCode ()方法来计算 hashcode，让后找到 bucket 位置来储存值对象。当获取对象时，通过键对象的 equals ()方法找到正确的键值对，然后返回值对象。HashMap 使用 LinkedList 来解决碰撞问题，当发生碰撞了，对象将会储存在 LinkedList 的下一个节点中。 HashMap 在每个 LinkedList 节点中储存键值对对象。
2.什么是快速失败的故障安全迭代器？
快速失败的Java迭代器可能会引发在底层集合迭代过程中被修改。故障安全作为发生在实例中的一个副本迭代是不会抛出任何异常的。快速失败的故障安全范例定义了当遭遇故障时系统是如何反应的。例如，用于失败的快速迭代器ArrayList和用于故障安全的迭代器ConcurrentHashMap。
3.Java BlockingQueue是什么？
Java BlockingQueue是一个并发集合util包的一部分。BlockingQueue队列是一种支持操作，它等待元素变得可用时来检索，同样等待空间可用时来存储元素。
4.什么时候使用ConcurrentHashMap？
在问题2中我们看到ConcurrentHashMap被作为故障安全迭代器的一个实例，它允许完整的并发检索和更新。当有大量的并发更新时，ConcurrentHashMap此时可以被使用。这非常类似于Hashtable，但ConcurrentHashMap不锁定整个表来提供并发，所以从这点上ConcurrentHashMap的性能似乎更好一些。所以当有大量更新时ConcurrentHashMap应该被使用。
5.哪一个List实现了最快插入？
LinkedList和ArrayList是另个不同变量列表的实现。ArrayList的优势在于动态的增长数组，非常适合初始时总长度未知的情况下使用。LinkedList的优势在于在中间位置插入和删除操作，速度是最快的。
LinkedList实现了List接口，允许null元素。此外LinkedList提供额外的get，remove，insert方法在LinkedList的首部或尾部。这些操作使LinkedList可被用作堆栈（stack），队列（queue）或双向队列（deque）。
ArrayList实现了可变大小的数组。它允许所有元素，包括null。 每个ArrayList实例都有一个容量（Capacity），即用于存储元素的数组的大小。这个容量可随着不断添加新元素而自动增加，但是增长算法并没有定义。当需要插入大量元素时，在插入前可以调用ensureCapacity方法来增加ArrayList的容量以提高插入效率。
6.Iterator和ListIterator的区别
●ListIterator有add()方法，可以向List中添加对象，而Iterator不能。
●ListIterator和Iterator都有hasNext()和next()方法，可以实现顺序向后遍历，但是ListIterator有hasPrevious()和previous()方法，可以实现逆向（顺序向前）遍历。Iterator就不可以。
●ListIterator可以定位当前的索引位置，nextIndex()和previousIndex()可以实现。Iterator没有此功能。
●都可实现删除对象，但是ListIterator可以实现对象的修改，set()方法可以实现。Iierator仅能遍历，不能修改。
7.什么是CopyOnWriteArrayList，它与ArrayList有何不同？
CopyOnWriteArrayList是ArrayList的一个线程安全的变体，其中所有可变操作（add、set等等）都是通过对底层数组进行一次新的复制来实现的。相比较于ArrayList它的写操作要慢一些，因为它需要实例的快照。
CopyOnWriteArrayList中写操作需要大面积复制数组，所以性能肯定很差，但是读操作因为操作的对象和写操作不是同一个对象，读之间也不需要加锁，读和写之间的同步处理只是在写完后通过一个简单的"="将引用指向新的数组对象上来，这个几乎不需要时间，这样读操作就很快很安全，适合在多线程里使用，绝对不会发生 ，因此CopyOnWriteArrayList适合使用在读操作远远大于写操作的场景里，比如缓存。
8.迭代器和枚举之间的区别
如果面试官问这个问题，那么他的意图一定是让你区分Iterator不同于Enumeration的两个方面：
●Iterator允许移除从底层集合的元素。
●Iterator的方法名是标准化的。
9.Hashmap如何同步?
当我们需要一个同步的HashMap时，有两种选择：
●使用Collections.synchronizedMap（..）来同步HashMap。
●使用ConcurrentHashMap的
这两个选项之间的首选是使用ConcurrentHashMap，这是因为我们不需要锁定整个对象，以及通过ConcurrentHashMap分区地图来获得锁。
10.IdentityHashMap和HashMap的区别
IdentityHashMap是Map接口的实现。不同于HashMap的，这里采用参考平等。
●在HashMap中如果两个元素是相等的，则key1.equals(key2)
●在IdentityHashMap中如果两个元素是相等的，则key1 == key2
㈤ Java面试总结如何处理项目的高并发，大数据
这个来很简单，高并发有多自种解决方法： 1、从代码上分入手，必须得保证代码没有冗余，不要有废代码； 2、从服务器上入手，高并发一台服务器并发量有限，我们可以采用多台服务器来分担压力； 3、从存储方便入手，像我们一般高并发但是数据却可以不...
㈥ 大数据面试要准备哪些
一、大数据面试要准备一些应试须知：
1、让面试官记住你的名字。很多人在介绍自己名字的时候仅仅只有简单的一句“我叫某某某”,直到你的自我介绍完毕,面试官也没有记住你的名字,如果后续的自我介绍中没有突出的表现,那么这样的自我介绍注定是失败的。
2、告诉面试官和应聘职位相关的工作经历。在自我介绍自己的工作经历时,一定要注意哪些经历是和应聘职位相关,对应聘有帮助,哪些是毫无意义的。例如应聘技术人员的职位,我们主要讲从事本职工作的经历,如果有从事其他行业的经历,比如从事过销售,组织,管理工作的,也可以略微提一下,往往会对应聘起到一定的帮助。
3、在面试官面前展现性格阳光的一面。性格也是面试官需要考察的一项,一般来说活泼、外向的性格始终会受到大家的亲睐,所以我们在面试官面前一定要展示性格阳光的一面,即使内向,也不能表现出来。
4、简单的介绍一下自己的未来规划。未来规划这一项是为了告诉面试官,我是一个有计划、有目标、有理想的人,我参加面试是因为我对这份工作比较热爱,而不是为了混口饭吃而应聘这项工作。很多老板最怕找到以混日子为目的的员工。
5、注意扬长避短。扬长避短也就是说在面试时尽量选择自己好的方面来说,只说自己的优点,避免谈及自己的缺点。从人性的角度来讲,人们总是对负面的新闻感兴趣,因此在面试时,面试官会千方百计的发现你的缺点,你的弱项,如果我们主动将缺点暴露给对方,那么产生的影响往往是负面的。
细节决定成败,一个简单的自我介绍虽然只有短短的几分钟,但是其内容却包罗万象,因此在面试时自我介绍的完美与否是举足轻重的。
二、大数据面试要准备一些常见的面试题：
1、你会Java语言吗？熟悉到什么程度？
2、你最喜欢的编程语言是什么？为什么？
3、处理过的最大的数据量？你是如何处理他们的？处理的结果如何。
2、在处理大数据过程中，如何保证得到期望值？
3、如何让一个网络爬虫速度更快、抽取更好的信息以及更好总结数据从而得到一干净的数据库？
4、点击流数据应该是实时处理？为什么？哪部分应该实时处理？
6、如何把非结构化的数据转换成结构化的数据？这是否真的有必要做这样的转换？把数据存成平面文本文件是否比存成关系数据库更好？
7、如何判别maprece过程有好的负载均衡？什么是负载均衡？
8、Spark和Hive的区别，以及Spark和Hive的数据倾斜调优问题？
9、Hive和Hbase的区别？
10、MapRece的思想，以及MapRece调优问题？
11、你所了解的开源网站？
12、有两个集群，每个集群有3个节点，使用hive分析相同的数据，sql语句完全一样，一个集群的分析结果比另外一个慢的多，给出造成这种现象的可能原因？
13、Hbase的优化？
14、集群的版本，以及集群的瓶颈问题？
15、CRM项目，怎么跟Spark结合？
16、如何创建一个关键字分类？
17、海量日志数据，提取出某日访问网络次数最多的那个IP？
18、Hadoop和Spark处理数据时，出现内存溢出的处理方法？
19、有一个1G大小的一个文件，里面每一是一个词，词的大小不超过16字节，内存大小限制大小1M，返回频率最高的50个词。
20、你是如何处理缺少数据的？你是推荐使用什么样的处理技术，或者说你是用什么样的技术处理呢？
㈦ Java基础面试题都有哪些
1.java异常机制的原理与应用x0dx0a答：每当程序出现异常之后，如果程序没有进行相应的处理，则程序会出现中断现象。x0dx0a实际上，产生了异常之后，JVM会抛出一个异常类的实例化对象，如果此时使用了try语句捕获的话，则可以进行异常的处理，否则，交给JVM进行处理。当try语句捕获异常之后，将与catch语句的异常类型进行匹配，如果匹配成功则执行catch内的语句。简单的应用：在所以throws语句的地方加入try-catch。标准应用：try-catch-finally-throw-throws一起使用。 x0dx0ax0dx0a2. 垃圾回收机制的优点x0dx0a答：释放无用的对象所占用的空间。方式：自动回收，手动回收。使用System.gc(),实际上调用Runtime.getRuntime().gc()x0dx0ax0dx0a3. Error与Exception区别x0dx0a答：Error是jvm进行处理，是jvm出错x0dx0aexception是可以由程序处理的，可以用try-catch捕获的x0dx0ax0dx0a4. final,finally,finallizex0dx0a答：final定义的变量的值不能改变，定义的方法不能被覆盖，定义的类不能被继承x0dx0afinally是异常的统一出口，finallize是垃圾回收前的收尾工作，是Object类定义的x0dx0ax0dx0a5. Anonymous Inner Class是否可以extends，是否可以implements Interfacex0dx0a答：允许继承和实现，因为匿名内部类就是在抽象类和接口的基础上发展起来的x0dx0ax0dx0a6. Static Nested Class 与Inner Class的区别x0dx0a答：使用Static定义的Class就是外部类，可以通过外部类. 内部类直接访问x0dx0a而Inner Class是不能被外部访问的，只能通过外部类的实例再找到内部类实例。x0dx0ax0dx0a7. HashMap and HashTable？x0dx0a答：HashMap:1) released in jdk 1.2,new Class 2)采用异步处理方式，性能较高，是非线程安全的 3）允许nullx0dx0aHashTable:x0dx0a1)released in jdk 1.0 ,old Class x0dx0a2)采用同步处理方式，性能低，是线程安全的x0dx0a3）不允许nullx0dx0ax0dx0a8. assert代表什么？x0dx0a答：asserts是jdk 1.4之后发布的新关键字，表示断言，即程序执行到某个地方肯定是预计的值，一般开发很少使用。要使用assert，必须加上 -ea参数x0dx0ax0dx0a9. gc是什么？x0dx0a答：gc是garbage collection，垃圾回收，使用gc可以进行垃圾空间的释放x0dx0ax0dx0a10. String s = new String("xyz")产生了几个对象？x0dx0a答：一个匿名对象xyz，在栈空间内。一个new实例化的对象，在堆空间内。x0dx0ax0dx0a11. sleep() and wait()?x0dx0a答：sleep()是Thread类定义方法，表示线程的休眠，可以自动唤醒x0dx0await()方法是Object类定义的方法，需要手动notify()和notifyAll()//sleep()不释放资源，wait()释放资源x0dx0ax0dx0a12. Overload与Override的区别x0dx0a答：Overload：重载x0dx0a |- 在一个类中定义的若干方法x0dx0a |- 所有的方法名相同，但参数类型或个数不同x0dx0a |- 只有参数有关，与返回类型无关x0dx0aOverride：覆写x0dx0a |- 在继承的关系中x0dx0a |- 子类定义了父类同名的方法，参数类型或个数最好完全一样。x0dx0a |- 访问权限不能更严格x0dx0ax0dx0a13. abstract class 和 interface有什么区别？x0dx0a答：抽象类：x0dx0a |-由抽象方法和常量、变量、全局常量、构造方法、普通方法组成x0dx0a |-使用abstract声明x0dx0a |-子类要通过extends继承抽象类，子类如果不是抽象类，则必须覆写抽象类的全部抽象方法x0dx0a |-存在单继承的局限x0dx0a |-抽象类可以实现若干个接口x0dx0a接口：x0dx0a |-由抽象方法和全局常量组成x0dx0a |-使用interface关键字x0dx0a |-子类要通过implements实现接口，子类如果不是抽象类，则必须覆写抽象类的全部抽象方法x0dx0a |-一个子类可以实现多个接口x0dx0a |-接口不能继承一个抽象类，但允许继承多个接口
㈧ 大数据面试题以及答案整理（一）
一、Map端的shuffle
Map端会处理输入数据并产生中间结果，这个中间结果会写到本地磁盘，而不是HDFS。每个Map的输出会先写到内存缓冲区中，当写入的数据达到设定的阈值时，系统将会启动一个线程将缓冲区的数据写到磁盘，这个过程叫做spill。
在spill写入之前，会先进行二次排序，首先根据数据所属的partition进行排序，然后每个partition中的数据再按key来排序。partition的目的是将记录划分到不同的Recer上去，以期望能够达到负载均衡，以后的Recer就会根据partition来读取自己对应的数据。接着运行combiner(如果设置了的话)，combiner的本质也是一个Recer，其目的是对将要写入到磁盘上的文件先进行一次处理，这样，写入到磁盘的数据量就会减少。最后将数据写到本地磁盘产生spill文件(spill文件保存在{mapred.local.dir}指定的目录中，Map任务结束后就会被删除)。
最后，每个Map任务可能产生多个spill文件，在每个Map任务完成前，会通过多路归并算法将这些spill文件归并成一个文件。至此，Map的shuffle过程就结束了。
二、Rece端的shuffle
Rece端的shuffle主要包括三个阶段，、sort(merge)和rece。
首先要将Map端产生的输出文件拷贝到Rece端，但每个Recer如何知道自己应该处理哪些数据呢？因为Map端进行partition的时候，实际上就相当于指定了每个Recer要处理的数据(partition就对应了Recer)，所以Recer在拷贝数据的时候只需拷贝与自己对应的partition中的数据即可。每个Recer会处理一个或者多个partition，但需要先将自己对应的partition中的数据从每个Map的输出结果中拷贝过来。
接下来就是sort阶段，也称为merge阶段，因为这个阶段的主要工作是执行了归并排序。从Map端拷贝到Rece端的数据都是有序的，所以很适合归并排序。最终在Rece端生成一个较大的文件作为Rece的输入。
最后就是Rece过程了，在这个过程中产生了最终的输出结果，并将其写到HDFS上。
读：
1、跟namenode通信查询元数据，找到文件块所在的datanode服务器
2、挑选一台datanode（就近原则，然后随机）服务器，请求建立socket流
3、datanode开始发送数据（从磁盘里面读取数据放入流，以packet为单位来做校验）
4、客户端以packet为单位接收，现在本地缓存，然后写入目标文件
写：
1、与namenode通信请求上传文件，namenode检查目标文件是否已存在，父目录是否存在
2、namenode返回是否可以上传
3、client请求第一个 block该传输到哪些datanode服务器上
4、namenode返回3个datanode服务器ABC
5、client请求3台dn中的一台A上传数据（本质上是一个RPC调用，建立pipeline），A收到请求会继续调用B，然后B调用C，将真个pipeline建立完成，逐级返回客户端
6、client开始往A上传第一个block（先从磁盘读取数据放到一个本地内存缓存），以packet为单位，A收到一个packet就会传给B，B传给C；A每传一个packet会放入一个应答队列等待应答
7、当一个block传输完成之后，client再次请求namenode上传第二个block的服务器
㈨ java 面试题
Spring的一大特点是利用配置的xml文件实现依赖注入。
所谓依赖注入是指把一个业务对象注入另一个业务对象，从而达到
对象间的松耦合。
下面我们来举个例子。
http://davidgjy.javaeye.com/blog/437501
还是看看这里吧
那个延迟加载性能好，因为需要使用时才从数据库里加载，减少没必要的
延时加载:优点,大数据量时,可以逐条数据获取.缺点,与数据库产生长连接.
即时加载,优点,减少数据库连接,只连接与查询一次.缺点,大数据量时容易让数据库瘫痪
下面的哥们说的对