Die 13 wichtigsten Fragen und Antworten zum Apache Storm-Interview

Fragen zum Storm-Interview

Hier finden Sie Fragen und Antworten zu Apache Storm-Interviews für Erstsemester und erfahrene Entwicklerkandidaten, um ihren Traumjob zu bekommen.

? Kostenloser PDF-Download: Fragen zum Apache Storm-Interview

1) Erklären Sie, was Apache Storm ist? Aus welchen Komponenten besteht Storm?

Apache Storm ist ein verteiltes Open-Source-Echtzeitberechnungssystem, das zur Verarbeitung von Big-Data-Analysen in Echtzeit verwendet wird. nicht wie Hadoop Batch-Verarbeitung, Apache Storm ermöglicht die Echtzeitverarbeitung und kann mit jeder Programmiersprache verwendet werden.

Zu den Komponenten von Apache Storm gehören

Nimbus: Es funktioniert als Job Tracker von Hadoop. Es verteilt Code im gesamten Cluster, lädt Berechnungen zur Ausführung hoch, weist Worker im gesamten Cluster zu, überwacht die Berechnungen und weist Worker nach Bedarf neu zu
Tierpfleger: Es dient als Vermittler für die Kommunikation mit dem Storm Cluster
Betreuer: Interagiert mit Nimbus über Zookeeper und führt den Prozess abhängig von den vom Nimbus empfangenen Signalen aus.

2) Warum ist Apache Storm die erste Wahl für Echtzeitverarbeitung?

Leicht zu bedienen: Der Betrieb eines Sturms ist recht einfach
Wirklich schnell: Es kann 100 Nachrichten pro Sekunde und Knoten verarbeiten
Fehlertoleranz: Es erkennt den Fehler automatisch und startet die Funktionsattribute neu
Zuverlässig: Es garantiert, dass jede Dateneinheit mindestens einmal oder genau einmal ausgeführt wird
Skalierbar: Es läuft über eine Gruppe von Maschinen

3) Erklären Sie, wie der Datenstrom in Apache Storm fließt.

Bei Apache Storm handelt es sich bei den Daten um einen Stromfluss mit drei Komponenten Auslauf, Bolzen und Tupel

Tülle: Ein Auslauf ist eine Datenquelle in Storm
Bolzen: Ein Bolzen verarbeitet diese Daten
Tupel: Daten werden als Tupel übergeben

4) Erwähnen Sie, was der Unterschied zwischen Apache Hbase und Storm ist?

Apache Sturm	Apache hbase
Es ermöglicht die Datenverarbeitung in Echtzeit Es verarbeitet die Daten, speichert sie jedoch nicht Sie optimieren Ihre Daten, indem Sie die Daten in Echtzeit verarbeiten, sodass bei Bedarf Warnungen und Maßnahmen ausgelöst werden können	Es bietet Ihnen Lesevorgänge verarbeiteter Daten mit geringer Latenz für eine spätere Abfrage Es speichert die Daten, speichert sie aber nicht

5) Erklären Sie, wie Sie Protokolldateien mit Apache Storm optimieren können.

Um aus den Protokolldateien zu lesen, können Sie Ihre konfigurieren Tülle und pro Zeile ausgeben, während das Protokoll gelesen wird. Die Ausgabe kann dann zur Analyse einer Schraube zugewiesen werden.

6) Erklären Sie, was Streams und Stream-Gruppierung in Apache Storm sind.

In Apache Storm wird Stream als Gruppe oder unbegrenzte Folge von Tupeln bezeichnet, während die Stream-Gruppierung bestimmt, wie der Stream auf die Aufgaben des Bolt aufgeteilt werden soll.

7) Verschiedene Stream-Gruppierungen in Apache Storm auflisten?

Gruppierung mischen
Feldgruppierung
Globale Gruppierung
Alle Gruppierung
Keine Gruppierung
Direkte Gruppierung
Lokale Gruppierung

8) Erwähnen Sie, wie die Anwendung von Storm bei Finanzdienstleistungen von Vorteil sein kann?

Im Finanzdienstleistungsbereich kann Storm bei der Vorbeugung hilfreich sein

Wertpapierbetrug
Auftragsrouting
AnzeigenPreise
Compliance-Verstöße

9) Erklären Sie, was Topology_Message_Timeout_secs in Apache Storm ist.

Die maximale Zeit, die der Topologie zur vollständigen Verarbeitung einer von einem Spout freigegebenen Nachricht zur Verfügung steht. Wenn die Nachricht nicht innerhalb eines bestimmten Zeitraums bestätigt wird, schlägt Apache Storm die Nachricht im Spout fehl.

10) Erklären Sie, wie Nachrichten in Apache Storm vollständig verarbeitet werden.

Durch den Anruf nextTuple Wenn Sie eine Prozedur oder Methode auf dem Spout verwenden, fordert Storm ein Tupel vom Spout an. Der Auslauf nutzt die SpoutoutputCollector gegeben in der XNUMXh geöffnet Methode zum Entladen eines Tupels an einen seiner Ausgabeströme. Beim Entladen eines Tupels wird der Tülle weist eine „Nachrichten-ID“ zu, die später zur Erkennung des Tupels verwendet wird. Danach wird das Tupel an verbrauchende Bolts gesendet und Storm übernimmt die Verfolgung des Baums der erzeugten Nachrichten.

Wenn der Sturm sicher ist, dass ein Tupel gründlich verarbeitet wurde, kann er das aufrufen ack Verfahren zum Ursprung Tülle Aufgabe mit der Nachrichten-ID, die der Spout dem Storm gegeben hat.

11) Erklären Sie, wie die Ausgabe mit Storm in eine Datei geschrieben wird.

Wenn Sie in Spout die Datei lesen, machen Sie FileReader-Objekt in Offen() Methode, die zu diesem Zeitpunkt das Leseobjekt für den Worker-Knoten initialisiert. Und verwenden Sie dieses Objekt in der nextTuple()-Methode.

12) Erwähnen Sie, was der Unterschied zwischen Apache Kafka und Apache Storm ist?

Apache Kafka: Es handelt sich um ein verteiltes und robustes Nachrichtensystem, das große Datenmengen verarbeiten kann und die Weiterleitung von Nachrichten von einem Endpunkt zum anderen ermöglicht.
Apache Storm: Es handelt sich um ein Echtzeit-Nachrichtenverarbeitungssystem, und Sie können Daten in Echtzeit bearbeiten oder manipulieren. Apache Storm ruft die Daten von Kafka ab und führt einige erforderliche Manipulationen durch.

13) Erklären Sie, ob es bei der Verwendung der Feldgruppierung im Sturm eine Zeitüberschreitung oder eine Begrenzung bekannter Feldwerte gibt.

Die Feldgruppierung in Storm verwendet eine Mod-Hash-Funktion, um zu entscheiden, an welche Aufgabe ein Tupel gesendet werden soll, und stellt so sicher, dass welche Aufgabe in der richtigen Reihenfolge verarbeitet wird. Dafür benötigen Sie keinen Cache. Es gibt also keine Zeitüberschreitung oder Begrenzung bekannter Feldwerte.

Diese Interviewfragen werden Ihnen auch bei Ihrem Lebenslauf (mündlich) helfen. Verweisen Sie auf unsere Apache-Tutorials für einen zusätzlichen Vorteil in Ihrem Vorstellungsgespräch.