- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
angular5面试题_大数据面试题
网上也有不少面试题，不过很多都是针对老的版本，尤其是AngularJS的。因为最近在看Angular的面试题，所以特意总结一下。下面内容都是基于Angular v8.0以上的。 Angular v8+面试系列 Angular 面试题汇总1-基本知识 Angular 面试题汇总2-Component/Service Angular 面试题汇总3-单元测试 目录 关于Angular 而且是用同一个service实例（Singleton），也就是说一个service里的数据是共分享的，可以用于组件间数据传递。 可以采用如下方式避免 对于只用于展示的数据，使用单向绑定，而不是双向绑定； Angular的数据流是自顶而下，从父组件到子组件单向流动。单向数据流向保证了高效、可预测的变化检测。 Angular v8+面试系列 Angular 面试题汇总1-基本知识 Angular 面试题汇总2-Component/Service Angular 面试题汇总3-单元测试 版权声明：本文内容由互联网用户自发贡献
6.4K20编辑于 2022-11-02 - 来自专栏最新最全的大数据技术体系
11月大数据面试题复习
1）从 high-level 的角度来看，两者并没有大的差别。 当大表和小表join时，用map-side join能显著提高效率。 5）driver（ApplicationMaster）收到发过来的资源元数据信息后会根据元数据信息发指令给具体机器上的NodeManager，让其启动具体的container。 不一定，当数据规模小，Hash shuffle快于Sorted Shuffle数据规模大的时候；当数据量大，sorted Shuffle会比Hash shuffle快很多，因为数量大的有很多小文件，不均匀 ，甚至出现数据倾斜，消耗内存大，1.x之前spark使用hash，适合处理中小规模，1.x之后，增加了Sorted shuffle，Spark更能胜任大规模处理了。
92912编辑于 2021-12-06 - 来自专栏大数据知识
大数据5大关键处理技术
文章转自：真灼社 大数据已经逐渐普及，大数据处理关键技术一般包括：大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘、大数据展现和应用（大数据检索、大数据可视化、大数据应用、大数据安全等）。 一）大数据面临的存储管理问题 ●存储规模大 大数据的一个显著特征就是数据量大，起始计算量单位至少是PB，甚至会采用更大的单位EB或ZB，导致存储规模相当大。 4）数据挖掘：根据数据功能的类型和和数据的特点选择相应的算法，在净化和转换过的数据集上进行数据挖掘。 5）结果分析：对数据挖掘的结果进行解释和评价，转换成为能够最终被用户理解的知识。 5、统计分析方法 在数据库字段项之间存在两种关系：函数关系和相关关系，对它们的分析可采用统计学方法，即利用统计学原理对数据库中的信息进行分析。可进行常用统计、回归分析、相关分析、差异分析等。 5. 数据质量和数据管理 大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理无论是在学术研究还是在商业应用领域都极其重要，各个领域都需要保证分析结果的真实性和价值性。
10.8K30发布于 2021-03-12 - 来自专栏杨飞@益术
Android数据存储实现的5大方式
下面会详细讲解如果创建数据库，添加数据和查询数据库。 创建数据库 Android 不自动提供数据库。 给表添加数据 上面的代码，已经创建了数据库和表，现在需要给表添加数据。有两种方法可以给表添加数据。 例如： db.execSQL(“INSERT INTO widgets (name, inventory)”+ “VALUES (‘Sprocket’, 5)”); 另一种方法是使用 SQLiteDatabase 第四种： 使用ContentProvider存储数据 Android这个系统和其他的操作系统还不太一样，我们需要记住的是，数据在Android当中是私有的，当然这些数据包括文件数据和数据库数据以及一些其他类型的数据 定义你要返回给客户端的数据列名。如果你正在使用Android数据库，则数据列的使用方式就和你以往所熟悉的其他数据库一样。但是，你必须为其定义一个叫_id的列，它用来表示每条记录的唯一性。 5.
4.3K20发布于 2019-02-21 - 来自专栏Java学习网
Android数据存储实现的5大方式
Android数据存储实现的5大方式 数据存储在开发中是使用最频繁的，在这里主要介绍Android平台中实现数据存储的5种方式，更加系统详细的介绍了5种存储的方法和异同。 下面会详细讲解如果创建数据库，添加数据和查询数据库。 创建数据库 Android 不自动提供数据库。在 Android 应用程序中使用 SQLite，必须自己创建数据库，然后创建表、索引，填充数据。 给表添加数据 上面的代码，已经创建了数据库和表，现在需要给表添加数据。有两种方法可以给表添加数据。 例如： db.execSQL(“INSERT INTO widgets (name, inventory)”+ “VALUES (‘Sprocket’, 5)”); 另一种方法是使用 SQLiteDatabase 如果你正在使用Android数据库，则数据列的使用方式就和你以往所熟悉的其他数据库一样。但是，你必须为其定义一个叫_id的列，它用来表示每条记录的唯一性。 5.
8K90发布于 2018-02-26 - 来自专栏CDA数据分析师
译文 | 新兴大数据企业的5大挑战！
但是，近几年，它在大多数数据驱动型企业中发挥着重要的作用。更重要的是，大数据可以帮助制定企业战略，提高运营效率，并加速企业成长。 与数据热潮随之而来的，是大量的金融投资。 大约75％的组织表示，他们已经在先进大数据设施上投入了大量资金或者在未来几年会投入大量资金。同时，一大批新兴大数据企业如雨后春笋般破土而出，以此满足企业客户不断增长的市场需求。 这里是当今新兴大数据企业面临的5大挑战： 1.人才匮乏 大数据是一个增长中的市场。六成的企业决策者都预计本年度会在大数据项目上投入更多资金，只有5%认为会有所减少。 5.激烈竞争 2015年，大数据的全球消费预计将达到1250亿，初创公司不必再走向大数据的路途上感到孤单，因为如SAP，微软和IBM这样的大企业也要面临残酷的竞争。 这里的教训：建立一个成功的大数据业务是不是为懦弱者准备的。但是，如果你为上面描述的五大挑战做好准备，那么，你就可以在大数据领域未来的发展过程中大显身手。
81350发布于 2018-02-23 - 来自专栏灯塔大数据
趋势 | 大数据存储领域5大突破技术
从2011年，纽约的startup公司已经成长为开发者服务的第二大云部署平台，为包括亚马逊、谷歌和微软在内的很多大型公司提供简单的、可升级的SSD云服务平台。 同时，共享驾驶App也在爆炸式增长，例如Uber打破了人们对于汽车所有权的传统看法，Lyft和通用汽车也斥资5亿美元研究如何破解自动驾驶汽车共享软件app的代码。 ? 图3：自动驾驶的智能汽车。 只能机器人显然非常吸引人，部分是因为它们在人性化和专业设置方面具有非常大的应用潜力。 基于以上发展趋势，我们不难想见情绪之于我们的移动装置与冷冰冰的数据是同等重要的。 5 大数据简化 大数据可以提供我们前所未有的洞察力，而利用这些数据的关键在于解读和分析。 根据甲骨文公司分析，简单的大数据挖掘工具将要有长足的发展，因为这样分析师可以直接在企业Hadoop集群上购买数据，重新调整并采用机器学习技术进行分析。
2.6K60发布于 2018-04-10 - 来自专栏CSDNToQQCode
数据库面试题【十三、大表数据查询，怎么优化】
优化shema、sql语句+索引； 第二加缓存，memcached, redis； 主从复制，读写分离； 垂直拆分，根据你模块的耦合度，将一个大的系统分为多个小的系统，也就是分布式系统； 水平切分 ，针对数据量大的表，这一步最麻烦，最能考验技术水平，要选择一个合理的sharding key, 为了有好的查询效率，表结构也要改动，做一定的冗余，应用也要改，sql中尽量带sharding key，将数据定位到限定的表上去查
82810编辑于 2022-11-28 - 来自专栏PPV课数据科学社区
【资讯】大数据5大误区：大数据不是灵丹妙药
“预测分析”总体是指基于当前和历史数据，用数据分析为企业提供对未来事件的预测。 然而盛名之下，围绕大数据和预测分析产生了许多误区。尤其是下列的五种误区需要被驱散, 这样不同规模和阶段的企业才可以开始享用更明智、更高效的决策: 误区1: “大数据是灵丹妙药。” 大数据不是企业的灵丹妙药。相反, 更好的数据管理和分析是帮助企业做出更好决策的工具。就算“小数据”也可以为中小企业很好的利用在投资的路线图上，构建和多样化而无需有大型的IT投资。 对一些人来说,自下向上的方法涉及到IT人员和数据分析师实施一种持久的解决方案。 误区5:“我们需要做的就是雇佣咨询或技术公司,我们就会有预测分析。” 有一批企业把预测分析作为一种技术或一个软件问题。
67950发布于 2018-04-18 - 来自专栏Crossin的编程教室
5 道 Python 面试题
: print("%s/%s = %s" % (x, y, x/y)) def div2(x,y): print("%s//%s = %s" % (x, y, x//y)) div1(5,2 ) div1(5.,2) div2(5,2) div2(5.,2.) 在 Python 3 中，期望的输出是： 5/2 = 2.5 5.0/2 = 2.5 5//2 = 2 5.0//2.0 = 2.0 在 Python 2 中，以上代码的输出将是： 5/2 = 2 5.0 /2 = 2.5 5//2 = 2 5.0//2.0 = 2.0 默认，如果两个操作数都是整数，Python 2 自动执行整型计算。 结果，5/2 值为 2，然而 5./2 值为 2.5。
79580发布于 2018-04-17 - 来自专栏PPV课数据科学社区
【趋势】大数据和存储领域5大突破技术
从2011年，纽约的startup公司已经成长为开发者服务的第二大云部署平台，为包括亚马逊、谷歌和微软在内的很多大型公司提供简单的、可升级的SSD云服务平台。 同时，共享驾驶App也在爆炸式增长，例如Uber打破了人们对于汽车所有权的传统看法，Lyft和通用汽车也斥资5亿美元研究如何破解自动驾驶汽车共享软件app的代码。 图3：自动驾驶的智能汽车。 只能机器人显然非常吸引人，部分是因为它们在人性化和专业设置方面具有非常大的应用潜力。 基于以上发展趋势，我们不难想见情绪之于我们的移动装置与冷冰冰的数据是同等重要的。 5、大数据简化 大数据可以提供我们前所未有的洞察力，而利用这些数据的关键在于解读和分析。 根据甲骨文公司分析，简单的大数据挖掘工具将要有长足的发展，因为这样分析师可以直接在企业Hadoop集群上购买数据，重新调整并采用机器学习技术进行分析。
2.1K100发布于 2018-04-24 5大YashanDB数据库安全加固策略解析
YashanDB是一种高性能的分布式数据库，安全加固是确保数据库系统安全性和稳健性的关键环节。以下是五大YashanDB数据库安全加固策略的解析：1. 实施监控系统，跟踪所有数据库操作。2. 数据加密- 静态数据加密：对存储在数据库中的敏感数据进行加密，确保即便数据库被入侵，攻击者无法轻易获取明文数据。 - 传输加密：在数据传输过程中使用TLS/SSL等加密协议，保护数据在网络传输中的安全，防止中间人攻击。3. 定期备份与恢复- 数据备份策略：实施定期自动备份并确保备份数据的安全存储。 - 恢复测试：定期进行数据恢复演练，确保在数据丢失或损坏时能够迅速恢复，减少业务中断时间。4. 5. 定期安全更新和补丁管理- 版本管理：定期检查YashanDB及其依赖组件的版本，确保使用最新的安全补丁，以修补已知的安全漏洞。
19910编辑于 2025-11-14- 来自专栏小龙学编程
每天5道Java面试题(第5天)
5. 抽象类能使final修饰吗？ 不能，定义抽象类就是让其他类继承的，如果定义为final该类就不能被继承，这样彼此就会产生矛盾，所以 final 不能修饰抽象类。
20040编辑于 2023-11-09 - 来自专栏云社区全球资讯抢先看
5大数据挑战正在改变数据中心的面貌
引言：新的数据中心架构提出了新的数据挑战——数据捕获是如何驱动边缘到核心的数据中心架构的。 数据显然不是以前的样子了！各种组织都在寻找数据的新用途，这已经成为他们数字化转型的一部分。 大致来说，我们可以将这些新数据分为两类： 1，大数据：用于批量分析的大量聚合数据集。 2，快数据：来源非常广泛的数据集，这些数据用于做出快速性的决策。 图片] 图片来源于网络 在接下来的文章中，我将介绍新数据中心架构提出的前五大数据挑战 ： 1，数据采集正在推动边缘到核心的数据中心架构 新的数据正在从源头被捕获。 5，数据分析是未来计算密集型体系结构的驱动者 通过分析性质和特别化的机器学习，组织不得不保留更多的数据，以便将其聚合到大数据存储库中。当其应用于多个更大的数据源时，这些分析类型提供了更好的答案。
1.1K20发布于 2017-12-15 - 来自专栏CSDNToQQCode
数据库面试题【十一、InnoDB引擎的4大特性】
1、插入缓冲（insert buffer) 2、二次写(double write) 3、自适应哈希索引(ahi) 4、预读(read ahead)
35120编辑于 2022-11-28 - 来自专栏企鹅号快讯
大咖分享：企业营销过程中的大数据5大途径！
今天软件开发的步骤涉及到使用大量的数据来提高效率。 大数据在企业营销中的使用案例 2F 更相关的内容 出版商可以通过利用他们丰富的数据来确定人们最可能喜欢的内容，从而向访问者提供更相关的内容。 5F 以机器为动力的分析 未来，数字营销人员必须与机器携手合作，分析数据并做出基于数据的决策。不管技术发展了多少，总需要一个人来监督它，这在复杂的情况下甚至更真实。 大数据分析领域没有人能独自完成，任何一个软件也不能。两者的结合将比其各部分的总和更强大。 大数据在市场营销中的四大好处 市场营销中的大数据还包括定制软件开发，服务提供商满足客户的营销需求。 如今，营销团队利用数据分析和信息的力量来增强他们的活动的影响力和影响力。看看以下大数据分析在市场营销中的最大好处。 1.规划 数据科学家为市场营销部门提供了对当前情况的极好分析。 营销人员总是在寻找一种使用大数据量的方法，而大数据量每秒钟都会被制作出来。随着数据科学的发展，现在有可能分析大部分的材料，并最终将其转化为富有成效的营销策略。大数据世界很快就会出现新的特性。
1.1K70发布于 2018-01-05 数据清洗，必须掌握的5大解决方案+4大步骤
一、数据清洗是什么及应用场景高质量的数据应用必须建立在干净可靠的基础之上，数据清洗正是数据治理体系中的关键战略环节。当原始数据从采集端流入处理流程，首先需要经历系统性的 “质检” 与 “加工”。 数据清洗是什么？数据清洗是对原始数据进行系统性审查、修正、转换与整合的过程。 具体而言，可能面临以下痛点：数据质量问题复杂多样数据中的“脏”法五花八门，常见的问题包括：（1）空值：某些字段缺失数据。（2）重复数据：同一记录在数据集中多次出现。 （3）错误数据：拼写错误、逻辑错误等。（4）异常值：超出正常范围的数据。（5）格式混乱：日期、数字、文本等格式不一致。（6）不一致数据：跨系统、跨表的数据存在差异。（7）冗余数据：不必要的重复信息。 例如，针对混乱的“利润”字段，如含￥100,000、(5,000)表示负利润，使用公式清洗：公式拆解：（1）判断首位是否为(（表示负数）。（2）若是：去掉￥、,、(、)，并在结果前加负号-。
45210编辑于 2025-09-26- 来自专栏算法channel
BAT面试题5：关于LR
接下来，每天一道BAT面试题陪伴你，只要你坚持下来，日积月累，你会在不知不觉中就步入机器学习的大门，并且越走越远。同时，还能助你顺利拿到OFFER. BAT面试题5：关于LR ? 理解透LR，最直白的方法就是通过一个例子，动手实现LR源码，而不是调包。好的，下面我们直接开始动手实现LR源码。 Step1 生成模拟的数据集 为了编写代码模拟二分类任务，我们的第一步工作是先生成用于测试的数据集。 首先看下生成的用于模拟的数据集长得样子，它有两个特征w1，w2组成，共有200个样本点，现在的任务是要对这个数据集进行分类。 ? 下面是用于模拟上图数据的代码，按照一定规律均匀分布含有两个特征的数据点,因此data表示以上所有的样本点和标签值组成的数据集，head10： 1 w1 w2
1.3K20发布于 2018-10-23 - 来自专栏程序员修炼之路
5个Android经典面试题
它允许不同进程之间进行数据交换，而不需要通过中央服务器。 工作原理： 服务端创建一个 Binder 对象，并注册到服务管理器。 客户端通过服务管理器获取服务端的 Binder 对象的代理。 MVVM：Model-View-ViewModel，ViewModel负责业务逻辑和数据，View只负责显示，ViewModel和View通过数据绑定进行交互。 MVVM通过数据绑定减少了Presenter的逻辑，使得View和ViewModel更易于测试和维护。 3. 如何在Android中实现组件化开发？ 组件化开发是将应用分解成多个可重用和可测试的模块。 implementation fileTree(dir: 'libs', include: ['*.jar']) implementation project(':module1') } 可以参考Android经典面试题之组件化原理 TinkerManager.installTinker(this); Tinker.withTinkerLoadResultService(new MyTinkerResultService()); 5.
69010编辑于 2024-09-24 - 来自专栏大数据文摘
5大架构：细数数据平台的组成与扩展
这种方式有一个弊端是存储的数据量受限于内存的大小，数据量一大，索引也增大，数据就饱和了。 2）第二种方式是把大的索引结构，拆成很多小的索引来存储。 列式存储尤其适用于大表扫描，求均值、最大最小值、分组等聚合查询场景。 列式存储在MPP数据库里面应用广泛，例如RedShift、Vertica及hadoop上的Parquet等。这种结构适合需要大表扫描的数据处理问题，数据聚合类操作（最大最小值）更是他的主战场。 列式存储特别适合需要加载大的数据块，且数据块分到多个文件中的场景。Druid把一些近线实时数据放到写优化的存储中，然后随着时间的推移逐步把这些数据迁移到读优化的存储中。 5、流式处理架构 不像是批处理架构，把数据存储到HDFS上，然后在上面执行各种跑批任务。
1.9K80发布于 2018-05-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号