在线客服
扫描二维码
下载博学谷APP
扫描二维码
关注博学谷微信公众号
随着移动互联网的发展，云计算大数据开发求职者越来越多，面对如此激烈的市场竞争，小编特为大家整理了大数据面试题：Hadoop/MapReduce，Spark，Strom，Hive的特点及适用场景。
Hadoop ：是一种分布式系统基础架构当处理海量数据的程序，开始要求高可靠、高扩展、高效、低容错、低成本的场景
MapReduce： MapReduce 是一种编程模型，用于大规模数据集（大于 1TB） 的并行运算。MapReduce 的典型应用场景中，目前日志分析用的比较多，还有做搜素的索引，机器学习算法包 mahout 也是之一，当然它能做的东西还有很多，比如数据掘、信息提取。
Spark：拥有 Hadoop MapReduce 所具有的优点；但不同于 MapReduce 的是 Job 中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此 Spark 能更好地适用于数据挖掘与机器学习等需要迭代的 MapReduce 的算法。数据过于繁杂，并且需要让计算通过迭代，并在内存中，极大地提高效率的场景
Strom：一个分布式实时计算系统，Storm是一个任务并行连续计算引擎。Storm 本身并不典型在 Hadoop 集群上运行，它使用 Apache ZooKeeper 的和自己的主/从工作进程，协调拓扑，主机和工作者状态，保证信息的语义。无论如何， Storm必定还是可以从 HDFS 文件消费或者从文件写入到 HDFS。
Hive：基于 Hadoop 的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的 sql 查询功能，可以将 sql 语句转换为 MapReduce 任务进行运行。应用场景：十分适合数据仓库的统计分析。
Hbase：应用场景： 数据量太大，以至于传统 RDBMS 无法胜任、联机业务功能开发、离线数据分析（数据仓库）
以上就是Hadoop/MapReduce，Spark，Strom，Hive 的特点及适用场景，希望能帮助大家梳理核心技能点，让大家在面试过程中胸有成竹。
— 申请免费试学名额 —
在职想转行提升，担心学不会？根据个人情况规划学习路线，闯关式自适应学习模式保证学习效果
讲师一对一辅导，在线答疑解惑，指导就业！
上一篇：
科普Spark，什么是Spark？
下一篇：
参加大数据培训能找哪些工作？需要具备什么技能？
相关推荐 更多
Namenode HA 知识点讲解
今天，小编准备了今天，小编准备了Namenode HA 知识点讲解，现在分享给大家。
7713
2019-07-04 16:13:08
大数据面试：数据仓库工具hive面试题集锦
进入DATE时代，大数据技术成为互联网发展的核心要素之一。与此同时大数据开发工程师的薪资也成为行业内高薪的代表。想从事大数据开发需要掌握多种核心技术：Hadoop、Hive、Storm、Spark、Scala等等。而且这些技术知识点已经成为大数据工程师进入职场时面试中必备的考点。这里主要和大家分享一下数据仓库工具hive相关的面试题！
17047
2019-07-05 17:30:53
大数据面试题 Spark运行架构
Spark作为一种分布式的计算框架，类似于大数据开发中Hadoop生态圈的MapReduce，计算思想和MR非常相似，两者都是分而治之的思想，但使用率要比MR高很多。本文整理了关于Spark运行架构的大数据面试题，内容包括Spark运行的基本流程、架构特点、优势。
7148
2019-09-05 15:19:35
大数据面试要注意哪些方面？大数据面试准备三大攻略
大数据面试要注意哪些方面？一般来说，求职者要做好自我介绍、面试提问和专业考题三大方面的准备。下面是小编专门为大数据求职者整理的面试攻略，希望对大家找工作有所帮助。
8025
2019-09-08 19:36:29
大数据面试题之分布式资源调度框架Yarn
Yarn作为一个资源管理、任务调度的框架，其重要性不言而喻。尤其是在近些年的大数据面试中，更是面试题的重点知识之一。为了大家在面试的时候，能够准备的更加充分，小编整理了一份有关分布式资源调度框架Yarn的大数据面试题,内容包括Yarn的架构、工作流程、调度器Scheduler。
8371
2019-09-12 11:00:53
