1、概念解释归并排序是递归算法， 思路是将数据表持续分裂为两半， 对两半分别进行归并排序递归的基本结束条件是：数据表仅有1个数据项，自然是排好序的；缩小规模：将数据表分裂为相等的两半，规模减为原来的二分之一；调用自身：将两半分别调用自身排序，然后将分别排好序的两半进行归并，得到排好序的数据表2、代码实现方法一：def mergeSort(alist):print("Splitting ",alis

1、引入很多问题都可转化为图， 利用图算法解决,例如早餐吃薄煎饼的过程,以动作为顶点，以先后次序为有向边,问题是对整个过程而言,如果一个人独自做，所有动作的先后次序？从加料开始？还是从加热烤盘开始？2、分析从工作流程图得到工作次序排列的算法，称为“拓扑排序”，拓扑排序处理一个DAG， 输出顶点的线性序列，使得两个顶点v,w，如果G中有(v,w)边，在线性序列中v就出现在w之前。拓扑排序广泛应用在依

1、引入由 “ 爱 丽 丝 漫 游 奇 境 ” 的 作 者 LewisCarroll在1878年所发明的单词游戏，从一个单词演变到另一个单词， 其中的过程可以经过多个中间单词，要求是相邻两个单词之间差异只能是1个字母，如FOOL变SAGE：FOOL >> POOL >> POLL >> POLE >> PALE>> SALE >&g

一、Hbase架构在HBase中，表被分割成区域，并由区域服务器提供服务。区域被列族垂直分为“Stores”。Stores被保存在HDFS文件。下面显示的是HBase的结构。注意：术语“store”是用于区域来解释存储结构。HBase有三个主要组成部分：客户端库，主服务器和区域服务器。区域服务器可以按要求添加或删除。主服务器分配区域给区域服务器并在Apache ZooKeeper的帮助下完成这个任

（一）简介spark是一个实现快速通用的集群计算平台。它是由加州大学伯克利分校AMP实验室 开发的通用内存并行计算框架，用来构建大型的、低延迟的数据分析应用程序。它扩展了广泛使用的MapReduce计算模型。高效的支撑更多计算模式，包括交互式查询和流处理。spark的一个主要特点是能够在内存中进行计算，及时依赖磁盘进行复杂的运算，Spark依然比MapReduce更加高效。中间结果输出：基于Map

方式一：方式二：方式三：Yarn的实际资源通过container，可以设置Yarn的最小、最大内存，一般根据现有的集群资源来分配代码资源——内存和CPU核数举个例子：假设集群中有100G可用内存，20个可用CPU核，则可设置参数如下，尽最大化使用集群资源，提高运行效率num-executors=10,executor-cores=2,executor-memory=10...

Spark-Spark任务中job,stage,task之间的关系:什么是jobJob简单讲就是提交给spark的任务。什么是stageStage是每一个job处理过程要分为的几个阶段。3什么是taskTask是每一个job处理过程要分几为几次任务。Task是任务运行的最小单位。最终是要以task为单位运行在executor中。Job和stage和task之间有什么关系Job----> 一个

一、操作流程（1）构建maven项目①选择maven项目，将Project SDK设置为1.8，然后从Create form archetype中选择scala-archetype-empty-RELEASE②命名Project，然后将GroupId修改为org.flowpp（可选，此处为与flow公司的操作相一致），其他不需要修改③选择maven版本，可直接选择本地下载安装的maven版本（ma

1、技术一面Q1：自我介绍Q2：介绍字节内存泄漏和OOM的问题Q3：字节的KV存储库、内存和缓存的关系Q4：介绍伴随同行项目Q5：项目是否具有分层，比如dao、util、处理层，也就是spring boot的那一套Q6：数据量级多大、数据存储格式是什么、spark如何读取Q7：数据库索引、B+树、红黑树、B树、B-树、平衡二叉树的区别Q8：spark client和sprak cluster的区别

在local模式下 驱动程序driver就是执行了一个Spark Application的main函数和创建Spark Context的进程，它包含了这个application的全部代码。（在那台机器运行了应用的全部代码创建了sparkContext就是driver,以可以说是你提交代码运行的那台机器）Driver:使用Driver这一概念的分布式框架有很多，比如hive,Spark中的Drive