三月底離職，到目前面試了十幾家，為什么面試官總是喜歡問很底層的原理問題？這些問題？題主你好，很高興回答你的問題！作為一名職場(chǎng)填坑多年，參加多次應(yīng)聘求職，完成過幾次招聘和崗位職責(zé)說明書的人，我談一下對(duì)問

三月底離職，到目前面試了十幾家，為什么面試官總是喜歡問很底層的原理問題？這些問題？

題主你好，很高興回答你的問題！

作為一名職場(chǎng)填坑多年，參加多次應(yīng)聘求職，完成過幾次招聘和崗位職責(zé)說明書的人，我談一下對(duì)問題的看法。

面試是為了挑選有用的人，而不是挑選“高大上”

公司招聘，實(shí)際上是以實(shí)用為主的，作為面試官需要通過面試過程的信息篩選挑選出最合適的人。如果是一些基礎(chǔ)性的崗位，那么基層的經(jīng)驗(yàn)和原理是考察一個(gè)人崗位熟練程度的最好辦法。至于說高大上的問題，更多的是測(cè)試求職者的附加價(jià)值，也就是意外驚喜，這一塊作為參考條件即可。

面試只是一種方法，結(jié)果判定才是手段

面試官面試的時(shí)候，都會(huì)有自己的“套路”。作為應(yīng)聘者，我們要做的就是見招拆招。一個(gè)簡(jiǎn)單的問題，同樣的回答，不同的人有不同的判定，不要糾結(jié)面試官問什么，重點(diǎn)關(guān)注你回答了什么！

求職應(yīng)聘，最重要的是表現(xiàn)讓對(duì)方滿意，至于說能否體現(xiàn)全部實(shí)力不重要

相中了一份工作進(jìn)行面試，我們的關(guān)注焦點(diǎn)應(yīng)該是如何通過面試。至于說對(duì)方問的什么，如何評(píng)判實(shí)際上不重要。

原理類的問題看似簡(jiǎn)單實(shí)際上很有技術(shù)含量

一些與基礎(chǔ)經(jīng)驗(yàn)有關(guān)系的崗位，問現(xiàn)場(chǎng)的原理性問題能看出應(yīng)聘者對(duì)現(xiàn)場(chǎng)問題的了解和掌握情況！最底層的問題恰好最能體現(xiàn)一個(gè)人的實(shí)踐經(jīng)歷，有沒有在現(xiàn)場(chǎng)做過事，只要問一個(gè)現(xiàn)場(chǎng)小問題的處理就能看的出，這些恰好是可以排查“面霸”的最好工具。

開發(fā)mapreduce各有哪些優(yōu)缺點(diǎn)？

1.不適合事務(wù)/單一請(qǐng)求處理MapReduce絕對(duì)是一個(gè)離線批處理系統(tǒng)，對(duì)于批處理數(shù)據(jù)應(yīng)用得很好：MapReduce（不論是Google的還是Hadoop的）是用于處理不適合傳統(tǒng)數(shù)據(jù)庫(kù)的海量數(shù)據(jù)的理想技術(shù)。但它又不適合事務(wù)/單一請(qǐng)求處理。（HBase使用了來(lái)自Hadoop核心的HDFS，在其常用操作中并沒有使用MapReduce。）2.不能隨即讀取3.以蠻力代替索引在索引是更好的存取機(jī)制時(shí)，MapReduce將劣勢(shì)盡顯。4.low-level語(yǔ)言和操作“直接開始你想要的--而不是展示一個(gè)算法，解釋如何工作的?！?關(guān)系型數(shù)據(jù)庫(kù)的觀點(diǎn))--Highlevel（DBMS）“展示數(shù)據(jù)存取的算法。”(Codasyl的觀點(diǎn))--Lowlevel（MapReduce）5.性能問題想想N個(gè)map實(shí)例產(chǎn)生M個(gè)輸出文件-每個(gè)最后由不同的reduce實(shí)例處理，這些文件寫到運(yùn)行map實(shí)例機(jī)器的本地硬盤.如果N是1，000，M是500，map階段產(chǎn)生500，000個(gè)本地文件.當(dāng)reduce階段開始，500個(gè)reduce實(shí)例每個(gè)需要讀入1，000文件，并用類似FTP協(xié)議把它要的輸入文件從map實(shí)例運(yùn)行的節(jié)點(diǎn)上pull取過來(lái).假如同時(shí)有數(shù)量級(jí)為100的reduce實(shí)例運(yùn)行，

為什么面試要問hashmap的原理？

面試官問HashMap的原理可能只是在考察你是否有專研學(xué)習(xí)的精神，因?yàn)镠ashMap是用的最多的，如果你連HashMap的原理都不知道，面試官大概就可以定義你對(duì)任何東西都是只會(huì)用，但是不知道其原理?，F(xiàn)在都會(huì)用的人那么多，為什么要選你了？所以這個(gè)問題可能是篩選的一個(gè)條件。

當(dāng)然，主要應(yīng)該還是知道原理才能更好的使用和解決問題，這才是最重要的。

MapReduce和hadoop什么關(guān)系和區(qū)別？

hadoop是依據(jù)mapreduce的原理，用Java語(yǔ)言實(shí)現(xiàn)的分布式處理機(jī)制。 Hadoop是一個(gè)能夠?qū)Υ罅繑?shù)據(jù)進(jìn)行分布式處理的軟件框架，實(shí)現(xiàn)了Google的MapReduce編程模型和框架，能夠把應(yīng)用程序分割成許多的小的工作單元，并把這些單元放到任何集群節(jié)點(diǎn)上執(zhí)行。 MapReduce是Hadoop中的一個(gè)數(shù)據(jù)運(yùn)算核心模塊，MapReduce通過JobClient生成任務(wù)運(yùn)行文件，并在JobTracker進(jìn)行調(diào)度指派TaskTracker完成任務(wù)。

搞大數(shù)據(jù)，JAVA工程師需要掌握哪些知識(shí)？

由于目前的大數(shù)據(jù)很多都是指的Hadoop，而且目前企業(yè)使用最多的大數(shù)據(jù)工具也是Hadoop。Java作為學(xué)習(xí)大數(shù)據(jù)的基礎(chǔ)，很多組件都是使用Java語(yǔ)言或者JVM可以運(yùn)行的語(yǔ)言。所以在你熟練使用Java具備轉(zhuǎn)大數(shù)據(jù)的基本條件后，接下來(lái)就是知識(shí)、技術(shù)的學(xué)習(xí)。

Hadoop主要包括三部分HDFS，MapReduce，Yarn都需要深入學(xué)習(xí)，因?yàn)槊嬖嚨臅r(shí)候可能會(huì)被問到一些原理的問題。

Hadoop生態(tài)區(qū)重要組件 Hive（離線）、Hbase、Spark（實(shí)時(shí)，實(shí)時(shí)框架有spark、storm、flink等，可以選擇其中的一種學(xué)習(xí)），這些重要的組件都需要深入系統(tǒng)的學(xué)習(xí)，在大數(shù)據(jù)中也是使用最對(duì)的。

Hadoop生態(tài)圈重要工具kafka、flume、sqoop等等，還有像azkaban這樣的調(diào)度工作，在日常的工作中都是必不可少的。

當(dāng)然，在學(xué)會(huì)上面的相關(guān)知識(shí)、技術(shù)后，最重要的還是需要項(xiàng)目實(shí)戰(zhàn)來(lái)學(xué)會(huì)使用。另外最好也能多看看別人優(yōu)秀的源碼來(lái)提升自己。加油！