后端岗位面试题 · 方案权衡 · tech:apache-flink
题库中标记为“后端”的结构化面试题。
共 89928 道真题 · 当前筛选命中 41 道 · 更新 2026-08-05
筛选题目已选：方案权衡 · tech:apache-flink
考察点
技术栈
第 21 题在 Flink 中，除了 Watermark，还有哪些机制可以处理迟到数据？ 考察对窗口迟到数据处理的完整认识第 22 题请解释Flink中的水印（Watermark）机制及其作用。 考察对Flink事件时间处理与水印机制的理解第 23 题为什么不用Flink、Hive做大数据处理？ 考察对大数据技术选型中引擎特性、适用场景与权衡的理解第 24 题Flink 与 Spark 的容错机制和故障恢复机制有哪些异同？ 考察对两种主流流批计算引擎容错设计的理解与对比第 25 题假设有10亿级的web请求日志，如何做各类（如SQL注入、文件上传等）攻击分类检测？ 考察大规模日志场景下的攻击检测分类架构设计能力第 26 题Flink怎么保证端到端的一致性 考察对 Flink 端到端一致性保证机制的理解第 27 题Flink和Spark流式处理的区别 考察流式计算引擎的架构差异与实时性理解第 28 题请介绍 Flink 的状态后端，并说明各自的适用场景与选择考量。 考察对 Flink 状态管理机制的深入理解与工程选型能力第 29 题Spark和Flink有什么区别？ 考察对两种主流大数据计算引擎的理解与选型判断第 30 题如果让你设计一个大数据分析平台，你会如何选择存储、计算等核心组件？ 考察大数据技术选型与方案设计能力第 31 题Flink中的事件时间(Event Time)和处理时间(Processing Time)有什么区别? 考察对Flink时间语义的理解及其对流处理正确性的影响第 32 题请说明 Flink 中状态有哪些类型，算子状态有哪几种，以及状态后端有哪几种并比较其性能特点。 考察 Flink 状态管理、操作符状态分类及状态后端选型能力第 33 题请说明 Hadoop 与 Spark、Flink 的主要区别，以及离线计算与实时计算在架构和实现上的差异。 考察对大数据生态中批处理与流处理框架的认知及架构取舍第 34 题处理小文件有哪些方法？请举例说明。 考察对大数据场景下小文件问题的理解及解决方案的掌握第 35 题不同实时计算框架分别适用于哪些典型业务场景？请举例说明。 考察将框架特性映射到真实业务需求的能力第 36 题Exactly-Once的语义是怎么实现的？ 考察分布式消息系统与流处理中精确一次语义的实现机制和权衡第 37 题Flink有哪些窗口类型？ 考察对Flink窗口分类及适用场景的掌握第 38 题请说明在进行实时计算框架技术选型时，你会考虑哪些关键因素，并给出你的选择逻辑。 考察对实时计算技术栈的理解及技术选型的系统思维第 39 题对于非结构化数据,大数据技术如何处理? 考察对非结构化数据在大数据体系中的存储、处理与分析路径的理解第 40 题假设开发一个电商系统，要做一个实时的热榜系统（比如24小时内点击量最高的前100个商品），你有什么想法吗？ 考察实时数据处理、时间窗口聚合与排行榜存储方案的设计能力