互联网/IT行业面试题 · 方案权衡 · tech:apache-flink
互联网/IT行业相关面试题，按题目行业基础数据聚合。
共 47588 道真题 · 当前筛选命中 24 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 1 题如何确保实时任务数据不重复、不丢失？ 考察实时数据处理的精确一次（Exactly-Once）和数据一致性保障能力第 2 题在配置大数据计算引擎（如 Spark 或 Flink）的内存管理时，是否应将最大堆与最小堆参数设置为相同值？请说明原因。 考察对 JVM 堆内存动态调整机制及其在分布式计算环境中影响的理解第 3 题请解释一下Flink的Checkpoint和Savepoint分别是什么，并说明它们的主要区别。 考察对Flink状态管理机制的理解及两者差异的把握第 4 题Flink和Spark Streaming的区别是什么？ 考察对两种主流流处理框架的核心模型、时效性、容错机制和适用场景的理解第 5 题请说明你对 Flink CDC 的理解。 考察 Flink CDC 的原理、应用场景与关键机制第 6 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 7 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 8 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 9 题在已有流式下载方案的基础上，如何评估引入 Flink 做数据下载导出的必要性与实现思路？ 考察对流式处理框架的适用边界、方案权衡和技术选型判断第 10 题Flink中常用的状态后端有哪几种？它们各自的特点和适用场景是什么？ 考察对状态后端选型及存储差异的理解第 11 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 12 题在 Flink 中通常使用哪几种状态后端，它们各自的优势是什么？ 考察对 Flink 状态后端类型及适用场景的理解第 13 题Kafka 消费者的 Offset 提交应该由自己编写，还是交由 Flink 框架管理？请说明原因。 考察对 Kafka Offset 管理机制及 Flink 集成程度的理解第 14 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第 15 题请介绍 Flink 中双流 Join 的实现方式、适用场景与常见问题。 考察 Flink 双流 Join 的机制理解、方案选型与工程实践第 16 题请介绍 Flink 的状态过期策略（State TTL）及其实现原理。 考察对 Flink 状态管理和状态过期机制的理解第 17 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 18 题实时数仓如何保证指标实时且数据准确？ 考察实时计算正确性与端到端一致性设计第 19 题对于一个流式pipeline的场景，很多个目标源，每个目标源有很多个指标，指标需要做实时计算，计算时间很久，你会怎么设计？ 考察流式实时计算架构设计能力，重点在于处理计算耗时与实时性矛盾第 20 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