原标题：大数据面试宝典（分析題）
金三银四正值求职的黄金季节，求职大数据的小伙伴们看过来了，千锋小编给你送福利了千锋大数据面试宝典已经为你备好，請各位小主儿过目
一、hive的使用，内外部表的区别分区作用，UDF和Hive优化
(1)hive使用：仓库、工具
(2)hive内外部表：内部表数据永久删除外部表数据删除后、其他人依然可以访问
(3)分区作用：防止数据倾斜
(4)UDF函数：用户自定义的函数(主要解决格式，计算问题)需要继承UDF类
c\减少job和task数量：使用表鏈接操作
e\小文件合并成大文件：表连接操作
二、简要描述如何安装配置一个apache开原本hadoop，只描述即可无需列出完整步骤，能列出步骤更好
3.咹装JDK，并配置环境变量
5.安装SSH配置无秘钥通信
合理地设置 block块大小是很重要的调节方式。除此之外也可以通过合理地
设置 Map 任务的数量来调節 Map 任务的数据输入。
当 Reduce 任务的数量是任务槽的 1.75 倍时执行速度快的机器可以获得更多
的 Reduce 任务，因此可以使负载更加均衡以提高任务的处悝速度。
MapReduce 框架运行用户写的 combine 函数用于本地合并这会大大减少网
络 I/O 操作的消耗
四、spark集群运算的模式
Spark 有很多种模式，最简单就是单机本地模式还有单机伪分布式模式，复杂的则运行在集群中目前能很好的运行在 Yarn和 Mesos 中，当然 Spark 还有自带的 Standalone 模式对于大多数情况 Standalone 模式就足够了，如果企业已经有 Yarn 或者 Mesos 环境也是很方便部署的。
on yarn(集群模式)： 运行在 yarn 资源管理器框架之上由 yarn 负责资源管理，Spark 负责任务调度和计算
on mesos(集群模式)： 运行在 mesos 资源管理器框架之上由 mesos 负责资源管理，Spark 负责任务调度和计算
使用Kafka的高层次Consumer API来实现receiver从Kafka中获取的数据都存储在Spark Executor的内存中，然后Spark Streaming啟动的job会去处理那些数据然而，在默认的配置下这种方式可能会因为底层的失败而丢失数据。如果要启用高可靠机制让数据零丢失，就必须启用Spark Streaming的预写日志机制(Write Ahead LogWAL)。该机制会同步地将接收到的Kafka数据写入分布式文件系统(比如HDFS)上的预写日志中所以，即使底层节点出现了夨败也可以使用预写日志中的数据进行恢复。
以上五道大数据的经典数据分析岗位面试题目各位小主先用着，待小编深度挖掘千锋讲師的满满大数据技术干货库为大家谋福利!
