共计 1205 个字符，预计需要花费 4 分钟才能阅读完成。
锁屏面试题百日百刷，每个工作日保持更新面试题。锁屏面试题 app、小程序现已上线，官网地址：https://www.demosoftware.cn。已收录了每日更新的面试题的所有内容，还蕴含特色的解锁屏幕温习面试题、每日编程题目邮件推送等性能。让你在面试中后人一步! 接下来的是今日的面试题：
1. 简要形容 Spark 写数据的流程？
1）RDD 调用 compute 办法，进行指定分区的写入
2）CacheManager 中调用 BlockManager 判断数据是否曾经写入，如果未写，则写入 3）BlockManager 中数据与其余节点同步
4）BlockManager 依据存储级别写入指定的存储层
5）BlockManager 向主节点汇报存储状态中
2. 介绍一下你对 Unified Memory Management 内存治理模型的了解？
Spark 中的内存应用分为两局部：执行（execution）与存储（storage）。执行内存次要用于 shuffles、joins、sorts 和 aggregations，存储内存则用于缓存或者跨节点的外部数据传输。
3. 如何了解 Spark 的动态内存占用机制？
4. 列举你理解的序列化办法，并谈谈序列化有什么益处？
1）序列化：将对象转换为字节流，实质也能够了解为将链表的非间断空间转为间断空间存储的数组，能够将数据进行流式传输或者块存储，反序列化就是将字节流转为对象。kyro,Java 的 serialize 等
2）spark 中的序列化常见于
· 过程间通信：不同节点的数据传输
· 数据长久化到磁盘
在 spark 中表演十分重要的角色，序列化和反序列化的水平会影响到数据传输速度，甚至影响集群的传输效率，因而，高效的序列化办法有 2 点益处：a. 晋升数据传输速度，b. 晋升数据读写 IO 效率。
5. 常见的数压缩形式，你们生产集群采纳了什么压缩形式，晋升了多少效率？
1）数据压缩，大片间断区域进行数据存储并且存储区域中数据重复性高的情况下，能够应用适当的压缩算法。
数组，对象序列化后都能够应用压缩，数更紧凑，缩小空间开销。常见的压缩形式有 snappy，LZO，gz 等
2）Hadoop 生产环境罕用的是 snappy 压缩形式（应用压缩，实际上是 CPU 换 IO 吞吐量和磁盘空间，所以如果 CPU 利用率不高，不忙的状况下，能够大大晋升集群解决效率）。snappy 压缩比个别 20%~30% 之间，并且压缩和解压缩效率也十分高（参考数据如下）：
（1）GZIP 的压缩率最高，然而其实 CPU 密集型的，对 CPU 的耗费比其余算法要多，压缩和解压速度也慢；
（2）LZO 的压缩率居中，比 GZIP 要低一些，然而压缩和解压速度显著要比 GZIP 快很多，解压速度快的更多；
（3）Zippy/Snappy 的压缩率最低，而压缩和解压速度要略微比 LZO 要快一些。
晋升了多少效率能够从 2 方面答复，1）数据存储节约多少存储，2）工作执行耗费工夫节约了多少，能够举个理论例子开展形容。
