Java大数据岗位面试题及精准答案

Java大数据岗位面试题及精准答案考试时间：______分钟总分：______分姓名：______1.【单选题】在Java中，HashMap在并发环境下进行put操作时可能导致死循环，主要原因是：A.使用了synchronized关键字B.扩容时链表发生了倒序C.使用了弱引用D.哈希值计算错误2.【多选题】以下哪些是Java中JVM垃圾回收算法？（）A.标记-清除算法B.复制算法C.标记-整理算法D.分代收集算法3.【多选题】以下哪些是线程池的关键参数？（）A.corePoolSizeB.maximumPoolSizeC.workQueueD.RejectedExecutionHandler4.【多选题】以下哪些是JVM中GCRoots对象？（）A.虚拟机栈中引用的对象B.方法区中类静态属性引用的对象C.方法区中常量引用的对象D.本地方法栈中JNI引用的对象5.【单选题】HadoopHDFS中，一个文件被拆分成多个Block，默认的Block大小是多少？A.64MBB.128MBC.256MBD.512MB6.【多选题】关于HadoopMapReduce的Shuffle过程，以下说法正确的是（）A.Map端将数据写入磁盘B.Reduce端从HDFS读取数据C.Shuffle过程涉及排序和分区D.Map端输出数据会经过压缩7.【单选题】SparkRDD的依赖关系分为窄依赖和宽依赖，以下哪个操作会导致宽依赖？（）A.mapB.filterC.groupByKeyD.union8.【多选题】Spark中DAG（有向无环图）调度器的作用包括（）A.将Job分解为多个StageB.计算Stage的依赖关系C.决定Stage中任务的调度策略D.负责数据的存储9.【多选题】Flink中Watermark的作用是什么？（）A.用于处理乱序事件B.用于触发窗口计算C.用于判断数据是否过期D.用于替代时间戳10.【单选题】Kafka中ISR（In-SyncReplicas）是指什么？A.所有副本B.所有同步的副本C.所有已提交的副本D.所有Leader副本11.【多选题】Kafka的生产者如何保证消息不丢失？（）A.设置acks=allB.设置retries为无限大C.开启幂等性D.设置unacked=true12.【多选题】Redis中持久化方式包括哪些？（）A.RDBB.AOFC.MMAPD.Log13.【单选题】在分布式系统中，CAP定理指的是哪三个特性的权衡？A.一致性、可用性、分区容错性B.性能、成本、可靠性C.扩展性、安全性、可用性D.一致性、可靠性、性能14.【多选题】以下哪些是分布式锁的实现方式？（）A.RedisSETNX命令B.Zookeeper的临时节点C.数据库的唯一索引D.消息队列的幂等性15.【单选题】在Hive中，以下哪个SQL语句用于创建一个分区表？A.CREATETABLEt(idint)PARTITIONEDBY(dtstring)B.CREATETABLEt(idint)SPLITBY(dtstring)C.CREATETABLEt(idint)CLUSTEREDBY(dt)D.CREATETABLEt(idint)DISTRIBUTEDBY(dt)16.【多选题】关于Zookeeper，以下说法正确的是（）A.它是一个高可用的分布式协调服务B.它常用于实现分布式锁C.它采用ZAB协议保证一致性D.它只适合存储小数据17.【单选题】Nginx在反向代理时，如果后端服务器宕机，以下哪种负载均衡策略可以自动剔除故障节点？A.轮询B.加权轮询C.最少连接数D.IP哈希18.【多选题】SpringBoot中，常用的条件注解有哪些？（）A.@ConditionalOnClassB.@ConditionalOnMissingBeanC.@ConditionalOnPropertyD.@ConditionalOnResource19.【单选题】在MySQL中，InnoDB引擎的行级锁是基于什么实现的？A.索引B.表结构C.数据页D.事务日志20.【多选题】大数据开发中，ETL工具包括哪些？（）A.SqoopB.DataXC.FlumeD.Kafka21.【单选题】HBase中，StoreFile是基于什么结构存储数据的？A.LSM-TreeB.B+树C.Hash表D.红黑树22.【多选题】以下哪些是Java并发包中常用的工具类？（）A.CountDownLatchB.CyclicBarrierC.SemaphoreD.FutureTask23.【单选题】关于TCP三次握手，以下说法错误的是？A.第一次握手发送SYN包B.第二次握手发送SYN+ACK包C.第三次握手可以发送数据D.第三次握手结束后连接建立24.【多选题】在微服务架构中，常用的服务注册与发现组件包括哪些？（）A.EurekaB.ZookeeperC.NacosD.Consul25.【单选题】Docker容器与虚拟机的主要区别在于？A.启动速度B.性能损耗C.隔离性D.以上都是26.【多选题】JVM的内存模型包括哪些区域？（）A.堆B.方法区C.程序计数器D.虚拟机栈27.【单选题】在Kafka消费者组中，如果多个消费者订阅同一个Topic，以下说法正确的是？A.每个分区只能被组内一个消费者消费B.每个分区可以被组内所有消费者消费C.消费者数量不能超过分区数量D.Topic会被所有消费者重复消费28.【多选题】以下哪些是常见的高可用架构设计模式？（）A.主备模式B.主从模式C.负载均衡模式D.无状态模式29.【单选题】在Flink中，Checkpoint机制通常使用什么算法来保证状态的一致性？A.2PCB.3PCC.Chandy-Lamport算法D.Raft算法30.【多选题】以下哪些是Java反射机制提供的功能？（）A.在运行时获取类的对象B.在运行时调用对象的方法C.在运行时修改对象的属性D.在编译时检查代码语法1.答案：B解析：在Java中，HashMap在并发环境下进行put操作时导致死循环，主要是因为HashMap的扩容机制。在扩容时，如果多个线程同时操作导致链表节点发生倒序（交叉链接），当后续遍历链表时，就会出现环形引用，导致JVM在GC时无法回收链表节点，从而造成内存泄漏和CPU飙升。2.答案：A,B,C,D解析：垃圾回收（GC）算法主要包括标记-清除、复制、标记-整理三种基本算法。分代收集算法是GC的一种策略，它将内存分为新生代和老年代，分别采用不同的回收算法（如新生代用复制，老年代用标记-清除或标记-整理）。因此四个选项都是正确的。3.答案：A,B,C,D解析：Java线程池的核心参数包括核心线程数、最大线程数、工作队列和拒绝策略。RejectedExecutionHandler是处理任务拒绝的策略，也是线程池配置的一部分。4.答案：A,B,C,D解析：GCRoots是指那些从根节点出发，能够被JVM引用到的对象。包括虚拟机栈中引用的对象、方法区中类静态属性引用的对象、方法区中常量引用的对象、本地方法栈中JNI引用的对象。5.答案：B解析：在Hadoop2.x和3.x版本中，HDFS的默认Block大小通常为128MB。Hadoop1.x中默认为64MB。6.答案：A,B,C解析：MapReduce的Shuffle过程中，Map端将数据写入本地磁盘，Reduce端从HDFS读取数据。Shuffle过程涉及数据的排序和分区。虽然Map端输出数据可以压缩，但这不是Shuffle过程的必要组成部分，故排除D。7.答案：C解析：RDD的依赖分为窄依赖和宽依赖。窄依赖是指父RDD的一个分区映射到子RDD的一个分区；宽依赖是指父RDD的一个分区映射到子RDD的多个分区。`groupByKey`、`reduceByKey`、`join`（当两个RDD的分区数不同时）等操作会产生Shuffle，从而导致宽依赖。`map`、`filter`、`union`属于窄依赖。8.答案：A,B,C解析：Spark的DAGScheduler负责将Job分解为多个Stage，计算Stage之间的依赖关系（DAG），并根据依赖关系决定任务的调度策略（如Pipeline执行）。数据的存储是由TaskScheduler和底层的Executor负责的。9.答案：A,B,C解析：Watermark是Flink处理乱序事件的关键机制。它用于标记数据流中的时间戳，帮助系统判断数据是否“迟到”，从而触发窗口计算，并决定哪些数据应该被丢弃。10.答案：B解析：ISR（In-SyncReplicas）是指所有与Leader保持同步的副本集合（除了Leader本身）。它保证了数据的高可用性和一致性。11.答案：A,B,C解析：Kafka生产者保证消息不丢失的常用策略包括：设置`acks=all`（或-1），确保所有副本都写入成功；增加`retries`次数，防止网络波动导致发送失败；开启幂等性（`enable.idempotence`），防止重复发送。`unacked=true`会导致消息直接发送到网络缓冲区而不等待确认，极易丢失。12.答案：A,B解析：Redis的持久化方式主要包括RDB（快照）和AOF（日志）。MMAP通常用于内存映射文件，Log是日志文件的统称，不是Redis特有的持久化方式。13.答案：A解析：CAP定理指出分布式系统在一致性（Consistency）、可用性（Availability）和分区容错性（PartitionTolerance）三者之间只能同时满足两点，无法三者兼顾。14.答案：A,B,C解析：分布式锁的实现方式包括基于Redis的SETNX命令、基于Zookeeper的临时节点/有序节点，以及基于数据库的唯一索引。消息队列通常用于解决分布式事务中的幂等性问题，而不是直接实现分布式锁。15.答案：A解析：在HiveSQL中，`PARTITIONEDBY`关键字用于创建分区表，指定表的分区字段。16.答案：A,B,C解析：Zookeeper是一个分布式的、开放源码的分布式协调服务，用于维护配置信息、命名服务、提供分布式同步和提供组服务。它采用ZAB协议保证一致性。虽然它有1MB的数据大小限制，但说它“只适合存储小数据”不完全准确，因为它主要用于存储元数据和协调信息，而非海量数据。但在面试常考点中，A、B、C是核心特征。17.答案：C解析：最少连接数（LeastConnections）调度算法会统计当前后端服务器的连接数，将请求分配给当前连接数最少的服务器。如果某台服务器宕机，连接数会一直累积，因此后续请求会自动避开该节点。18.答案：A,B,C,D解析：SpringBoot提供了丰富的条件注解，用于在满足特定条件时才加载Bean。`@ConditionalOnClass`、`@ConditionalOnMissingBean`、`@ConditionalOnProperty`、`@ConditionalOnResource`都是常用的条件注解。19.答案：A解析：InnoDB引擎的行级锁是基于索引实现的。如果查询条件没有命中索引，锁就会升级为表级锁，效率极低。20.答案：A,B解析：Sqoop和DataX是常用的离线ETL数据传输工具。Flume主要用于日志采集，Kafka主要用于消息队列。21.答案：A解析：HBase底层存储基于LSM-Tree（Log-StructuredMerge-Tree）结构，它将写操作追加到MemStore中，定期合并到HFile中。22.答案：A,B,C,D解析：`CountDownLatch`、`CyclicBarrier`、`Semaphore`、`FutureTask`都是java.util.concurrent包中提供的并发工具类。23.答案：C解析：TCP三次握手过程中，第一次发送SYN，第二次发送SYN+ACK，第三次发送ACK。第三次握手建立连接后，双方才开始传输数据。虽然技术上可以在ACK中携带数据，但在标准的三次握手描述中，第三次握手主要是确认连接。但在选项中，通常认为“第三次握手可以发送数据”是描述最为准确的（因为ACK本身也是数据包），但严格来说，如果题目问“错误的是”，可能需要找其他点。不过，在标准考试中，通常C是正确的描述（ACK可以带数据）。这里可能存在歧义，但通常考察点在于区分三次握手各阶段的功能。实际上，第三次握手是确认连接，确认后即可发送数据。如果题目认为C是错的，可能是基于“握手只确认连接，数据传输在后续”这一观点。但在大多数技术面试题库中，C被视为正确描述。如果必须选错的，通常考察点不在此。让我们重新审视：A(正确),B(正确),D(正确)。C说“第三次握手可以发送数据”。