大數(shù)據(jù)分析面試題庫—基本的大數(shù)據(jù)分析面試問題

　　每當(dāng)您去進(jìn)行大數(shù)據(jù)分析面試時(shí)，面試官都會(huì)問一些基本的問題。無論您是大數(shù)據(jù)分析領(lǐng)域的新手還是經(jīng)驗(yàn)豐富的人，都需要具備基本知識(shí)。因此，AAA教育整理了一些常見的基本大數(shù)據(jù)分析面試問題，和大家分享一下：
 

　　一、您對(duì)“大數(shù)據(jù)分析”一詞有什么了解?
 

　　答： 大數(shù)據(jù)分析是與復(fù)雜和大型數(shù)據(jù)集相關(guān)的術(shù)語。關(guān)系數(shù)據(jù)庫無法處理大數(shù)據(jù)分析，這就是為什么使用特殊的工具和方法對(duì)大量數(shù)據(jù)執(zhí)行操作的原因。大數(shù)據(jù)分析使公司能夠更好地了解其業(yè)務(wù)，并幫助他們從定期收集的非結(jié)構(gòu)化和原始數(shù)據(jù)中獲取有意義的信息。大數(shù)據(jù)分析還使公司能夠在數(shù)據(jù)的支持下做出更好的業(yè)務(wù)決策。


二、大數(shù)據(jù)分析的五個(gè)V是什么?
 

　　答：大數(shù)據(jù)分析的五個(gè)V如下：

　　卷–卷表示卷的數(shù)量，即以高速率增長(zhǎng)的數(shù)據(jù)量，即以PB為單位的數(shù)據(jù)量

　　速度–速度是數(shù)據(jù)增長(zhǎng)的速度。社交媒體在增長(zhǎng)數(shù)據(jù)的速度中起著重要作用。

　　多樣性–多樣性是指不同的數(shù)據(jù)類型，即各種數(shù)據(jù)格式，例如文本，音頻，視頻等。

　　準(zhǔn)確性–準(zhǔn)確性是指可用數(shù)據(jù)的不確定性。由于大量數(shù)據(jù)帶來不完整和不一致，因此會(huì)出現(xiàn)準(zhǔn)確性。

　　價(jià)值–價(jià)值是指將數(shù)據(jù)轉(zhuǎn)化為價(jià)值。通過將訪問的大數(shù)據(jù)分析轉(zhuǎn)化為價(jià)值，企業(yè)可以創(chuàng)造收入。

5 V的大數(shù)據(jù)分析
 

　　注意： 這是大數(shù)據(jù)分析采訪中提出的基本且重要的問題之一。如果您看到面試官有興趣了解更多信息，則可以選擇詳細(xì)解釋五個(gè)V。但是，如果詢問“大數(shù)據(jù)分析”一詞，甚至可以提及這些名稱。
 

三、告訴我們大數(shù)據(jù)分析和Hadoop之間的關(guān)系。
 

　　答： 大數(shù)據(jù)分析和Hadoop幾乎是同義詞。隨著大數(shù)據(jù)分析的興起，專門用于大數(shù)據(jù)分析操作的Hadoop框架也開始流行。專業(yè)人士可以使用該框架來分析大數(shù)據(jù)分析并幫助企業(yè)做出決策。

　　注意： 在大數(shù)據(jù)分析采訪中通常會(huì)問這個(gè)問題。 Ÿ歐可以進(jìn)一步去回答這個(gè)問題，并試圖解釋的Hadoop的主要組成部分。
 

四、大數(shù)據(jù)分析分析如何有助于增加業(yè)務(wù)收入?
 

　　答：大數(shù)據(jù)分析對(duì)于企業(yè)來說已經(jīng)變得非常重要。它可以幫助企業(yè)與眾不同，并增加收入。通過預(yù)測(cè)分析，大數(shù)據(jù)分析為企業(yè)提供了定制的建議。此外，大數(shù)據(jù)分析使企業(yè)能夠根據(jù)客戶的需求和偏好推出新產(chǎn)品。這些因素使企業(yè)獲得了更多收入，因此公司正在使用大數(shù)據(jù)分析。通過實(shí)施大數(shù)據(jù)分析，公司的收入可能會(huì)大幅增長(zhǎng)5-20%。一些使用大數(shù)據(jù)分析來增加收入的受歡迎的公司是-沃爾瑪，LinkedIn，F(xiàn)acebook，Twitter，美國銀行等。
 

五、解釋部署大數(shù)據(jù)分析解決方案應(yīng)遵循的步驟。
 

　　答：以下是部署大數(shù)據(jù)分析解決方案的三個(gè)步驟：

　　1、資料提取

　　部署大數(shù)據(jù)分析解決方案的第一步是數(shù)據(jù)攝取，即從各種來源提取數(shù)據(jù)。數(shù)據(jù)源可以是Salesforce之類的CRM，SAP之類的企業(yè)資源計(jì)劃系統(tǒng)，MySQL之類的RDBMS或任何其他日志文件，文檔，社交媒體源等。可以通過批處理作業(yè)或?qū)崟r(shí)流來提取數(shù)據(jù)。然后將提取的數(shù)據(jù)存儲(chǔ)在HDFS中。

部署大數(shù)據(jù)分析解決方案的步驟
 

　　2、數(shù)據(jù)存儲(chǔ)

　　提取數(shù)據(jù)后，下一步是存儲(chǔ)提取的數(shù)據(jù)。數(shù)據(jù)可以存儲(chǔ)在HDFS或NoSQL數(shù)據(jù)庫(即HBase)中。HDFS存儲(chǔ)適用于順序訪問，而HBase適用于隨機(jī)讀取/寫入訪問。

　　3、數(shù)據(jù)處理

　　部署大數(shù)據(jù)分析解決方案的最后一步是數(shù)據(jù)處理。數(shù)據(jù)通過Spark，MapReduce，Pig等處理框架之一進(jìn)行處理。
 

六、定義HDFS和YARN的各個(gè)組件
 

　　答： HDFS的兩個(gè)主要組成部分是-

　　NameNode –這是主節(jié)點(diǎn)，用于處理HDFS中數(shù)據(jù)塊的元數(shù)據(jù)信息

　　DataNode / Slave節(jié)點(diǎn)–這是一個(gè)充當(dāng)從節(jié)點(diǎn)存儲(chǔ)數(shù)據(jù)以供NameNode處理和使用的節(jié)點(diǎn)

　　除了滿足客戶端請(qǐng)求之外，NameNode還執(zhí)行以下兩個(gè)角色之一：

　　CheckpointNode –它運(yùn)行在與NameNode不同的主機(jī)上

　　BackupNode-這是一個(gè)只讀的NameNode，其中包含文件系統(tǒng)元數(shù)據(jù)信息(不包括塊位置)

　　YARN的兩個(gè)主要組成部分是：

　　ResourceManager –此組件接收處理請(qǐng)求，并根據(jù)處理需要相應(yīng)地分配給相應(yīng)的NodeManager。

　　NodeManager –在每個(gè)數(shù)據(jù)節(jié)點(diǎn)上執(zhí)行任務(wù)
 

七、為什么將Hadoop用于大數(shù)據(jù)分析?
 

　　答： 由于數(shù)據(jù)分析已成為業(yè)務(wù)的關(guān)鍵參數(shù)之一，因此，企業(yè)正在處理大量的結(jié)構(gòu)化，非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)。在Hadoop以其以下功能為主要角色的情況下，分析非結(jié)構(gòu)化數(shù)據(jù)非常困難

　　存儲(chǔ)

　　處理中

　　數(shù)據(jù)采集

　　此外，Hadoop是開源的，并且在商品硬件上運(yùn)行。因此，它是企業(yè)的成本效益解決方案。
 

八、什么是fsck?
 

　　答： fsck代表文件系統(tǒng)檢查。這是HDFS使用的命令。此命令用于檢查不一致以及文件中是否存在任何問題。例如，如果文件缺少任何塊，則HDFS將通過此命令得到通知。
 

九、NAS(網(wǎng)絡(luò)附加存儲(chǔ))和HDFS之間的主要區(qū)別是什么?
 

　　答： NAS(網(wǎng)絡(luò)附加存儲(chǔ))和HDFS之間的主要區(qū)別–

　　HDFS在計(jì)算機(jī)集群上運(yùn)行，而NAS在單臺(tái)計(jì)算機(jī)上運(yùn)行。因此，數(shù)據(jù)冗余是HDFS中的常見問題。相反，對(duì)于NAS，復(fù)制協(xié)議是不同的。因此，數(shù)據(jù)冗余的機(jī)會(huì)要少得多。

　　對(duì)于HDFS，數(shù)據(jù)將作為數(shù)據(jù)塊存儲(chǔ)在本地驅(qū)動(dòng)器中。對(duì)于NAS，它存儲(chǔ)在專用硬件中。
 

十、格式化NameNode的命令是什么?
 

　　答案： $ hdfs namenode -format