首页 > 字节跳动-大数据开发日常实习-一面二面凉经
头像
牛客899427222号
编辑于 2021-03-03 16:37
+ 关注

字节跳动-大数据开发日常实习-一面二面凉经

3.2字节大数据面试

一面

Java中的接口与抽象类

  • 接口用implements实现,抽象类用extends继承

  • 接口中全是抽象方法、抽象类中至少有一个抽象方法(没有方法体的方法)

  • 一个类只能继承一个类,但可以实现多个接口

  • 接口主要是将接口与实现分离开,便于扩展,比如同一个业务有多个不同的实现

  • 抽象类中可以有已经实现了的方法,可以作为抽象方法的依赖,比如说一个抽象方法的多个实现都依赖与某个具体方法,这时候可以用抽象类

HashMap

  • 底层原理

    • 数组加链表

  • hash冲突怎么办

  • 如何保证读写时间复杂度O(1),存在冲突如何保证O(1)

    • key的hashcode是数组下标

    • 理想状态是O(1),存在冲突,需要遍历链表

    • 冲突节点过多,会转化成红黑树,降低查询时间复杂度

    • 还可能会扩容,缩短链表长度

  • 容量为什么是 2^n

    • 先拿到key的hashcode,是32位int;

    • 将高16位与敌16位异或

    • 再和容量取 & 操作

    • 当容量为2^n时,取余与与操作等价

  • 线程安全不

  • CurrentHashMap如何实现线程安全的

    • 节点锁起来,CAS操作

Synchronize与Lock

  • Synchronize是关键字,Lock是类

  • Synchronize加锁不需要自动释放,lock需要(try finally)

  • Synchronize在线程阻塞时仍然持有锁,Lock不会

  • 通过Lock可以知道线程有没有拿到锁(trylock),而synchronized不能

锁升级

  • 无锁

  • 偏向锁

  • 轻量级锁

  • 重量级锁

JVM

  • java虚拟机

  • 由类加载器、运行时数据区、执行引擎、本地方法接口、垃圾回收机制组成

  • java程序先被编译成.class文件,由类加载器加载到内存中,由执行引擎翻译成底层机器码,交给CPU调用本地方法执行,最后垃圾回收

  • 运行时数据区包括java堆,Java栈,本地方法区、程序计数器和直接内存

    • Java堆是最主要的工作区域,几乎所有对象的实例化都放在其中

    • java栈主要存放局部变量表、操作数栈、动态链接、方法出口

    • 本地方法区主要存放常量静态变量

GC

GC流程
  • java堆分成新生代和老年代

  • 新生代分成一块eden区和两个survivor区

  • java对象一般会被分配到java堆中的eden区

  • 当eden区满了,执行minorGC,将eden中存活的对象移动到survivor1区中,清空eden区

  • 新对象又分配在eden区,满了执行minorGC,eden中和survivor1中存活的对象被移动到survivor2区,清空eden区survivor1区;

  • 下次survivor1与survivor2区调换,实现对象年龄的增长,年龄增长到一定阈值,对象移动到老年代。

  • 老年代满了执行full GC

对象是否应该被GC
  • 可达性分析

  • 从java栈、本地方法栈中的变量常量出发,如果能到达某个对象则表明它存活,并标记

  • 将未标记的对象全部干掉

大数据学了啥

Kafka

  • 概念

  • 基本架构

  • 生产消费数据流程

  • 多个生产者同时写或多个消费者同时读问题

算法题

leetcode113 路径总和

典型回溯

二面

介绍第一个项目

  • 相关技术栈 hadoop、spark、Hbase

  • 遇到的哪些问题,怎么解决

  • Hbase rowKey 设置讲究

    • 作用

      • 读写数据时,通过rowKey找到对应的Region

      • MemStore中的数据按RowKey字典顺序排序

      • HFile中的数据按RowKey字典顺序排序

    • 设计原则

      • 唯一性,某一行数据的唯一标识符

      • 长度,长度要占存储空间,越短越好

      • 随机性,解决Hbase热点问题,避免只访问一个或几个节点

    • hbase热点问题解决方案

      • 主要是增加rowkey的随机性,常见做法

      • 反转:手机号等前几位相似度高,可以反转后使用

      • 加盐:rowKey前面加随机数

      • hash处理,MD5

  • hadoop设了几个数据备份

  • hadoop块的大小,为什么要设置这么大

    • 读写数据时间开销主要是:传输时间和寻址时间

    • 块太大了,磁盘传输数据时间太长,程序执行慢

    • 块太小了,寻址时间长,程序会一直在找块

介绍第二个项目

  • 相关技术栈 kafka、sparkStreaming、redis

  • 用reduceByKey出现数据倾斜怎么办

    • 自定义分区(继承Partitioner)

    • 使用累加器

    • reduceByKey本身有分区内聚合操作,出现数据倾斜可能性较小

  • 怎么用的Kafka,新旧API差别

    • 用spark封装的KafkaUtils类的createDreateStream方法获取数据

    • 高级 API 的特点 优点

      • 高级API写起来简单

      • 不需要去自行去管理offset,系统通过zookeeper自行管理

      • 不需要管理分区,副本等情况,系统自动管理

      • 消费者断线会自动根据上一次记录在 zookeeper中的offset去接着获取数据

      • 可以使用group来区分对访问同一个topic的不同程序访问分离开来(不同的group记录不同的offset,这样不同程序读取同一个topic才不会因为offset互相影响)

      缺点

      • 不能自行控制 offset(对于某些特殊需求来说)

      • 不能细化控制如分区、副本、zk 等

    • 低级 API 的特点 优点

      • 能够开发者自己控制offset,想从哪里读取就从哪里读取。

      • 自行控制连接分区,对分区自定义进行负载均衡

      • 对 zookeeper 的依赖性降低(如:offset 不一定非要靠 zk 存储,自行存储offset 即可,比如存在文件或者内存中)

      缺点

      • 太过复杂,需要自行控制 offset,连接哪个分区,找到分区 leader 等

算法题

leetcode143 重排链表

  • 我说将节点放到数组中,然后遍历数组重建

  • 面试官让想个别的办法

  • 提示解决方案:先找到中点,然后反转后半部分链表,然后重建

  • 写完了代码,面试官说结果不对,一起bug,没找到。

总结

  • 二面有些东西没答出来比如说HBase和Kafka,算法题也没做出来

  • 基本上,应该是挂了,虽然还没收到邮件通知

更多模拟面试

全部评论

(9) 回帖
加载中...
话题 回帖

推荐话题

相关热帖

历年真题 真题热练榜 24小时
技术(软件)/信息技术类
查看全部

热门推荐