大数据分析面试题库—基本的大数据分析面试问题

　　每当您去进行大数据分析面试时，面试官都会问一些基本的问题。无论您是大数据分析领域的新手还是经验丰富的人，都需要具备基本知识。因此，AAA教育整理了一些常见的基本大数据分析面试问题，和大家分享一下：
 

　　一、您对“大数据分析”一词有什么了解?
 

　　答： 大数据分析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分析，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。大数据分析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。大数据分析还使公司能够在数据的支持下做出更好的业务决策。


二、大数据分析的五个V是什么?
 

　　答：大数据分析的五个V如下：

　　卷–卷表示卷的数量，即以高速率增长的数据量，即以PB为单位的数据量

　　速度–速度是数据增长的速度。社交媒体在增长数据的速度中起着重要作用。

　　多样性–多样性是指不同的数据类型，即各种数据格式，例如文本，音频，视频等。

　　准确性–准确性是指可用数据的不确定性。由于大量数据带来不完整和不一致，因此会出现准确性。

　　价值–价值是指将数据转化为价值。通过将访问的大数据分析转化为价值，企业可以创造收入。

5 V的大数据分析
 

　　注意： 这是大数据分析采访中提出的基本且重要的问题之一。如果您看到面试官有兴趣了解更多信息，则可以选择详细解释五个V。但是，如果询问“大数据分析”一词，甚至可以提及这些名称。
 

三、告诉我们大数据分析和Hadoop之间的关系。
 

　　答： 大数据分析和Hadoop几乎是同义词。随着大数据分析的兴起，专门用于大数据分析操作的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分析并帮助企业做出决策。

　　注意： 在大数据分析采访中通常会问这个问题。 Ÿ欧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。
 

四、大数据分析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了更多收入，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。
 

五、解释部署大数据分析解决方案应遵循的步骤。
 

　　答：以下是部署大数据分析解决方案的三个步骤：

　　1、资料提取

　　部署大数据分析解决方案的第一步是数据摄取，即从各种来源提取数据。数据源可以是Salesforce之类的CRM，SAP之类的企业资源计划系统，MySQL之类的RDBMS或任何其他日志文件，文档，社交媒体源等。可以通过批处理作业或实时流来提取数据。然后将提取的数据存储在HDFS中。

部署大数据分析解决方案的步骤
 

　　2、数据存储

　　提取数据后，下一步是存储提取的数据。数据可以存储在HDFS或NoSQL数据库(即HBase)中。HDFS存储适用于顺序访问，而HBase适用于随机读取/写入访问。

　　3、数据处理

　　部署大数据分析解决方案的最后一步是数据处理。数据通过Spark，MapReduce，Pig等处理框架之一进行处理。
 

六、定义HDFS和YARN的各个组件
 

　　答： HDFS的两个主要组成部分是-

　　NameNode –这是主节点，用于处理HDFS中数据块的元数据信息

　　DataNode / Slave节点–这是一个充当从节点存储数据以供NameNode处理和使用的节点

　　除了满足客户端请求之外，NameNode还执行以下两个角色之一：

　　CheckpointNode –它运行在与NameNode不同的主机上

　　BackupNode-这是一个只读的NameNode，其中包含文件系统元数据信息(不包括块位置)

　　YARN的两个主要组成部分是：

　　ResourceManager –此组件接收处理请求，并根据处理需要相应地分配给相应的NodeManager。

　　NodeManager –在每个数据节点上执行任务
 

七、为什么将Hadoop用于大数据分析?
 

　　答： 由于数据分析已成为业务的关键参数之一，因此，企业正在处理大量的结构化，非结构化和半结构化数据。在Hadoop以其以下功能为主要角色的情况下，分析非结构化数据非常困难

　　存储

　　处理中

　　数据采集

　　此外，Hadoop是开源的，并且在商品硬件上运行。因此，它是企业的成本效益解决方案。
 

八、什么是fsck?
 

　　答： fsck代表文件系统检查。这是HDFS使用的命令。此命令用于检查不一致以及文件中是否存在任何问题。例如，如果文件缺少任何块，则HDFS将通过此命令得到通知。
 

九、NAS(网络附加存储)和HDFS之间的主要区别是什么?
 

　　答： NAS(网络附加存储)和HDFS之间的主要区别–

　　HDFS在计算机集群上运行，而NAS在单台计算机上运行。因此，数据冗余是HDFS中的常见问题。相反，对于NAS，复制协议是不同的。因此，数据冗余的机会要少得多。

　　对于HDFS，数据将作为数据块存储在本地驱动器中。对于NAS，它存储在专用硬件中。
 

十、格式化NameNode的命令是什么?
 

　　答案： $ hdfs namenode -format