编制
自然科学专技C类事业单位联考统考单招
C类考情分析123题本比较小,有点费事职测150,综合150,都是75及格
1片段阅读还少一种在这里 少词义理解
职测C类1职测90分钟包括涂答题卡,老师核对身份的时间 80m
常识判断20题1时政,物理,化学是常考的
言语理解与表达25题选词填空151掌握技巧和勤加练习可以拿11-14分
片段阅读10123这几种题型基本都考片段阅读一 从言语逻辑讲片段阅读
主旨概括
123言语结构,行文脉络的掌握很重要定义判断 逻辑判断 标题填入 细节判断 语句排序 语句填空 申论客观题 综合ABC 面试组织语言都会涉及到这个
问题类文段1本来,本义是 说明事实现状往往不是这样(这就是问题了)
123首先要判断是不是问题类文段如果只提出问题 那么重点是问题不仅提出问题,而且解决,那么解决问题是重点
例一123提出问题 分析问题 解决问题分析问题部分简单看一下 节约时间
例二
1234即使还 问题由于 分析为了 解决问题否则 反证
例三
例四
1通过名人名言来例证对策
例五
12只有提出问题 分析问题B细节 ...
软考-操作系统https://blog.csdn.net/weixin_52850476/article/details/124201274https://blog.csdn.net/love521314123/article/details/119682266
概念负责计算机硬件、软件资源的管理和控制,为上层用户和应用程序提供简单易用的服务的系统软件操作系统的功能:资源管理、作为用户和计算机硬件之间接口、对硬件机器拓展命令接口(联机命令接口、脱机命令接口)、程序接口、gui接口裸机覆盖软件成为扩充机器,或者叫虚拟机
操作系统的四个特征并发、共享、虚拟、异步并发:指多个事件同一时间间隔内发生。宏观上同时发生,微观上交替发生易混淆并行:多个事件同一时刻同时发生操作系统的并发性:同时存在着多个运行着的程序共享:互斥共享方式、同时共享方式虚拟:把物理上的一个实体变为若干个逻辑上的对应物。虚拟技术:空分复用技术(虚拟存储器技术)、时分复用技术(虚拟处理器)异步性:多个程序并发并不是执行一贯到底,而是走走停停,以不可预知的速度向前推进并发和共享互为存在条件没有并发和共享,就谈不上虚拟和异步,因此 ...
软考-数据结构与算法时间复杂度T(n) f(n) O(n)取最高次数项且不要系数
例123456789101112131415161718void aFunc(int n) { if (n >= 0) { // 第一条路径时间复杂度为 O(n^2) for(int i = 0; i < n; i++) { for(int j = 0; j < n; j++) { printf("输入数据大于等于零\n"); } } } else { // 第二条路径时间复杂度为 O(n) for(int j = 0; j < n; j++) { printf("输入数据小于零\n"); } }}对于条件判断语句,总的时间复杂度 ...
ES面试1ES中的routing路由功能1如果在面试的时候面试官问你如何在ES中实现极速查询,其实就是问这个routing路由功能的。
如何解决ES集群的脑裂问题123答:所谓集群脑裂,是指 Elasticsearch 集群中的节点(比如共 20 个),其中的 10 个选了一个 master,另外 10 个选了另一个 master 的情况。当集群 master 候选数量不小于 3 个时,可以通过设置最少投票通过数量(discovery.zen.minimum_master_nodes)超过所有候选节点一半以上来解决脑裂问题; 当候选数量为两个时,只能修改为唯一的一个 master 候选,其他作为 data 节点,避免脑裂问题
详细描述一下ES索引文档的过程?12345答:这里的索引文档应该理解为文档写入 ES,创建索引的过程。第一步:客户端向集群某节点写入数据,发送请求。(如果没有指定路由/协调节点,请求的节点扮演协调节点的角色。) 第二步:协调节点接受到请求后,默认使用文档 ID 参与计算(也支持通过 routing),得到该文档属于哪个分片。随后请求会被转到另外的节点。第三步 ...
Hadoop面试Hadoop
HDFS机架感知与副本冗余存储策略
MAPREDUCE
1MapReduce 要求<key,value>的 key 和 value 都要实现 Writable接口,从而支持 Hadoop 的序列化和反序列化。上面的Hadoop的内置类型都实现了Writable接口,用户也必须对自定义的类实现 Writable 接口。
案例一 WordCount 程序案例二 统计各个部门员工薪水总和案例三 序列化
案例四 分区
案例
123解:map里面编写if判断,低薪,中薪,高薪作为k2patitioner里面编写if判断,分为三个区
案例五 合并 预聚合
简述MapTask并行度决定机制?源码分析
简述FileInputFormat(默认应该是其子类textinputformat)切片机制?源码分析
MapReduce程序如何大量小文件?1234sequencefilemapfilearchivecombinetextinputformat
combinetextinputformat
ReduceTask并行度与分区 ...
hive常见面试题21234每层都是一个单独的数据库hive底层计算引擎可以换hive的操作方式hive仓库层次 ods dwd dws app
12345678910111213141516171819202122232425262728293031323334ODS层: 源数据层作用: 对接数据源, 一般和数据源保持相同的粒度(将数据源数据完整的拷贝到ODS层)建表比较简单: 业务库中对应表有那些字段, 需要在ODS层建一个与之相同字段的表即可, 额外在建表的时候, 需要构建为分区表, 分区字段为时间字段, 用于标记在何年何月何日将数据抽取到ODS层 DIM层: 维度层作用: 存储维度表数据此时不需要, 因为当前主题, 没有维度表DWD层: 明细层作用: 1) 清洗转换 2) 少量维度退化思考1: 当前需要做什么清洗操作? 不需要进行清洗思考2: 当前需要做什么转换操作? 需要对时间字段进行转换, 需要转换为 yearinfo, quarterinfo,monthinfo,dayinfo,hourinfo思考3: 当前需要做什么维度退化操作? ...
hive常见面试题1Hive有索引吗?1Hive本身不支持传统意义上的索引,但可以通过分区来实现类似的效果。分区可以按照某个字段对数据进行分组,从而提高查询效率。
在Map端和Reduce端进行join的不同场景是什么?12在Map端进行join适用于一张表非常小的情况,因为此时可以将小表完全加载到内存中进行处理。在Reduce端进行join是最常用的join方式,适用于两表都较大的情况,通过MapReduce框架并行处理以提高效率
Hive的存储格式有哪些?各自的优缺点是什么?123ORC(OrcolLECTION Format):压缩率高,读写速度快,适合实时分析。Parquet:列式存储,压缩率高,查询性能好,但写入速度较慢。sequenceFile:简单易用,但压缩率低,性能较差,支持切分
如何优化Hive查询性能?1234使用合适的存储格式(如ORC或Parquet)。进行SQL优化,如合理使用索引(分区)、避免全表扫描。调整配置参数,如设置合理的副本数和副本位置。利用内置优化器和统计信息来提升查询效率
Hive中的Sort By、Order By、Cluster B ...






