Spark 是什么,常用哪些 API
哪些公司问过
答案要点
- Spark 是基于内存的分布式计算引擎,覆盖批、SQL、流、机器学习
- RDD:不可变、分区、靠血缘容错,算子灵活但无结构化优化
- DataFrame:带 schema,经 Catalyst 优化,性能通常更好
- Dataset:DataFrame 加编译期类型检查,用于 Scala、Java
- 流处理可用 Structured Streaming
易错点
- 说 Spark 完全不落盘,shuffle 仍会写磁盘
- 认为 DataFrame 一定比 RDD 慢或一定快,不讲场景
- 混淆转换算子与行动算子
面试官常见追问
- Spark 为什么比 MapReduce 快?
- cache 和 persist 有什么区别?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。