大数据面试
2026/8/9大约 6 分钟
大数据面试
题库统计：共收录 74 道面试题，覆盖 Hadoop / Hive / Spark / Flink / 数据工程 五大板块。其中简单题 17 道（23.0%），中等题 39 道（52.7%），困难题 18 道（24.3%）。整体以中等难度为主，困难题集中在 HDFS 高可用、数据倾斜调优、Spark 核心机制、Flink 状态容错与数据工程架构设计，适合中高级岗位深度考察。
📖 内容
Hadoop
统计：共 35 题
- 难易度：| 简单 9 题 | 中等 19 题 | 困难 7 题 |
- 重要度：| 一星 3 题 | 二星 15 题 | 三星 7 题 | 四星 10 题 |
| 分类 | 题目 | 难易度 | 重要度 | 掌握度 | 评估 |
|---|---|---|---|---|---|
| HDFS | 简介一下大数据技术生态？ | 简单 | ⭐ | ||
| HDFS | 什么是 HDFS？ | 简单 | ⭐⭐ | ||
| HDFS | HDFS 有什么特性（优缺点）？ | 简单 | ⭐⭐ | ||
| YARN | 什么是 YARN？ | 简单 | ⭐⭐ | ||
| MapReduce | 什么是 MapReduce？ | 简单 | ⭐⭐ | ||
| MapReduce | MapReduce 有什么特性（优缺点）？ | 简单 | ⭐ | ||
| HDFS | HDFS 的架构是怎样设计的？ | 中等 | ⭐⭐⭐⭐ | ||
| HDFS | HDFS 使用 NameNode 的好处？ | 中等 | ⭐⭐ | ||
| HDFS | HDFS 使用 Block 的好处？ | 中等 | ⭐⭐ | ||
| HDFS | NameNode 与 SecondaryNameNode 的区别与联系？ | 中等 | ⭐⭐⭐⭐ | ||
| HDFS | 什么是 FsImage 和 EditLog？ | 中等 | ⭐⭐ | ||
| YARN | YARN 有哪些核心组件？ | 简单 | ⭐⭐⭐ | ||
| MapReduce | MapReduce 有哪些核心组件？ | 简单 | ⭐⭐ | ||
| HDFS | HDFS 的写数据流程是怎样的？ | 中等 | ⭐⭐⭐⭐ | ||
| HDFS | HDFS 的读数据流程是怎样的？ | 中等 | ⭐⭐⭐⭐ | ||
| MapReduce | MapReduce 是如何工作的？ | 中等 | ⭐⭐⭐⭐ | ||
| YARN | YARN 是如何工作的？ | 中等 | ⭐⭐⭐⭐ | ||
| HDFS | HDFS 的副本机制是怎样的？ | 中等 | ⭐⭐ | ||
| HDFS | HDFS 如何保证数据一致性？ | 中等 | ⭐⭐ | ||
| HDFS | HDFS 有哪些故障类型？如何检测故障？ | 中等 | ⭐⭐ | ||
| HDFS | HDFS 读写故障如何处理？ | 中等 | ⭐⭐ | ||
| HDFS | DataNode 故障如何处理？ | 中等 | ⭐⭐ | ||
| HDFS | NameNode 故障如何处理？ | 中等 | ⭐⭐⭐ | ||
| HDFS | HDFS 安全模式有什么作用？ | 简单 | ⭐ | ||
| 高可用 | HDFS 如何实现高可用？ | 困难 | ⭐⭐⭐ | ||
| 高可用 | NameNode 如何实现主备切换？ | 困难 | ⭐⭐ | ||
| 高可用 | 如何应对 HDFS 脑裂问题？ | 困难 | ⭐⭐⭐⭐ | ||
| 高可用 | YARN 如何实现高可用？ | 困难 | ⭐⭐ | ||
| HDFS | HDFS 大量小文件会带来什么问题？如何解决？ | 中等 | ⭐⭐⭐⭐ | ||
| 高可用 | 什么是 HDFS Federation？ | 困难 | ⭐⭐⭐ | ||
| MapReduce | MapReduce Shuffle 阶段的排序与合并细节是怎样的？ | 中等 | ⭐⭐⭐⭐ | ||
| MapReduce | 什么是 MapReduce 推测执行？ | 中等 | ⭐⭐⭐ | ||
| MapReduce | MapReduce 中如何定位和解决数据倾斜？ | 困难 | ⭐⭐⭐⭐ | ||
| YARN | YARN 有哪些资源调度器？它们有什么区别？ | 中等 | ⭐⭐⭐ | ||
| Hadoop 安全 | Hadoop 生态的 Kerberos 认证体系如何工作？ | 困难 | ⭐⭐⭐ |
Hive
统计：共 17 题
- 难易度：| 简单 8 题 | 中等 7 题 | 困难 2 题 |
- 重要度：| 一星 3 题 | 二星 4 题 | 三星 2 题 | 四星 5 题 | 五星 3 题 |
| 分类 | 题目 | 难易度 | 重要度 | 掌握度 | 评估 |
|---|---|---|---|---|---|
| 基础概念 | 什么是 Hive？ | 简单 | ⭐⭐ | ||
| 基础概念 | 什么是 HMS？ | 简单 | ⭐⭐ | ||
| 基础概念 | Hive 支持哪些数据类型？ | 简单 | ⭐ | ||
| 执行与优化 | Hive 支持哪些存储格式？ | 简单 | ⭐⭐ | ||
| 基础概念 | Hive 中的内部表和外部表有什么区别？ | 简单 | ⭐⭐⭐⭐ | ||
| 数据组织 | 什么是分区表？ | 简单 | ⭐⭐⭐⭐⭐ | ||
| 数据组织 | 什么是分桶表？ | 简单 | ⭐⭐⭐⭐ | ||
| 数据组织 | 分区和分桶可以一起使用吗？ | 简单 | ⭐ | ||
| 数据组织 | Hive 的索引是如何工作的？ | 中等 | ⭐⭐ | ||
| 数据组织 | Hive 索引有什么缺陷？ | 中等 | ⭐ | ||
| 执行与优化 | Hive SQL 如何执行的？ | 中等 | ⭐⭐⭐⭐ | ||
| 执行与优化 | Hive 有哪些高频窗口函数？如何使用？ | 中等 | ⭐⭐⭐⭐⭐ | ||
| 执行与优化 | Hive 如何实现行转列和列转行？ | 中等 | ⭐⭐⭐⭐ | ||
| 执行与优化 | Hive 的执行引擎有哪些？有什么区别？ | 中等 | ⭐⭐⭐ | ||
| 执行与优化 | Hive 支持事务吗？ACID 是如何实现的？ | 困难 | ⭐⭐⭐ | ||
| 执行与优化 | ORC 与 Parquet 列式存储的原理是什么？ | 中等 | ⭐⭐⭐⭐ | ||
| 执行与优化 | Hive 中如何定位和调优数据倾斜？ | 困难 | ⭐⭐⭐⭐⭐ |
Spark
统计：共 7 题
- 难易度：| 中等 4 题 | 困难 3 题 |
- 重要度：| 四星 4 题 | 五星 3 题 |
| 分类 | 题目 | 难易度 | 重要度 | 掌握度 | 评估 |
|---|---|---|---|---|---|
| Spark核心 | RDD、DataFrame 和 Dataset 有什么区别？ | 中等 | ⭐⭐⭐⭐ | ||
| Spark核心 | Spark 的架构设计是怎样的？ | 中等 | ⭐⭐⭐⭐ | ||
| Spark核心 | Spark Shuffle 机制是如何工作的？ | 困难 | ⭐⭐⭐⭐⭐ | ||
| Spark核心 | Spark 如何定位和解决数据倾斜？ | 困难 | ⭐⭐⭐⭐⭐ | ||
| Spark核心 | Spark 的内存管理模型是怎样的？ | 困难 | ⭐⭐⭐⭐⭐ | ||
| Spark生态 | Spark SQL 的 Catalyst 优化器是如何工作的？ | 中等 | ⭐⭐⭐⭐ | ||
| Spark生态 | Spark Streaming 和 Structured Streaming 有什么区别？ | 中等 | ⭐⭐⭐⭐ |
Flink
统计：共 9 题
- 难易度：| 中等 6 题 | 困难 3 题 |
- 重要度：| 四星 6 题 | 五星 3 题 |
| 分类 | 题目 | 难易度 | 重要度 | 掌握度 | 评估 |
|---|---|---|---|---|---|
| Flink基础 | Flink 的架构设计是怎样的？ | 中等 | ⭐⭐⭐⭐ | ||
| Flink基础 | Flink 的部署模式有哪些？有什么区别？ | 中等 | ⭐⭐⭐⭐ | ||
| Flink状态与容错 | Flink 的 Checkpoint 机制是如何工作的？ | 困难 | ⭐⭐⭐⭐⭐ | ||
| Flink状态与容错 | Flink 的状态管理有哪些方式？状态后端如何选型？ | 困难 | ⭐⭐⭐⭐⭐ | ||
| Flink状态与容错 | Flink 如何保证 Exactly-Once 语义？ | 困难 | ⭐⭐⭐⭐⭐ | ||
| Flink窗口与水印 | Flink 的 Watermark 机制是什么？ | 中等 | ⭐⭐⭐⭐ | ||
| Flink窗口与水印 | Flink 的 Window 机制有哪些类型？ | 中等 | ⭐⭐⭐⭐ | ||
| Flink基础 | Flink 的 API 层次结构是怎样的？ | 中等 | ⭐⭐⭐⭐ | ||
| Flink基础 | Flink 的背压机制是如何工作的？ | 中等 | ⭐⭐⭐⭐ |
数据工程
统计：共 6 题
- 难易度：| 中等 3 题 | 困难 3 题 |
- 重要度：| 三星 3 题 | 四星 3 题 |
| 分类 | 题目 | 难易度 | 重要度 | 掌握度 | 评估 |
|---|---|---|---|---|---|
| 湖仓一体 | 如何设计现代数据湖仓（Lakehouse）架构？Iceberg / Hudi / Delta Lake 的选型依据与 schema evolution 机制？ | 困难 | ⭐⭐⭐⭐ | ||
| CDC | CDC（变更数据捕获）如何实现？Debezium / Canal 的架构差异与适用场景，以及如何保障端到端数据一致性？ | 困难 | ⭐⭐⭐⭐ | ||
| 数据架构 | 数据网格（Data Mesh）的核心理念是什么？如何从单体数据平台演进到领域驱动的去中心化数据架构？ | 中等 | ⭐⭐⭐ | ||
| 数据治理 | 数据治理体系如何设计？数据标准、元数据管理、数据权限与安全合规的核心框架与落地路径？ | 中等 | ⭐⭐⭐ | ||
| 数据质量 | 数据质量管理的核心维度有哪些？如何构建数据质量监控体系与问题修复闭环？ | 中等 | ⭐⭐⭐ | ||
| 数据血缘 | 数据血缘（Data Lineage）如何自动采集与可视化？元数据管理平台如何支撑影响分析与合规审计？ | 困难 | ⭐⭐⭐⭐ |