2021届阅文大数据方向笔试卷
时长:120分钟 总分:100分
136浏览 0人已完成答题
题型介绍
| 题型 | 填空题 | 简答题 |
|---|---|---|
| 数量 | 2 | 21 |
3.
在Linux环境下，用Linux基本命令完成如下操作： 1、重...
在Linux环境下，用Linux基本命令完成如下操作：
1、重命名/home/qqbook/script/下的aa.txt 文件名为：cc.txt ；
2、清空/home/qqbook/script目录下的所有内容。
4.
在Linux环境下，用Linux基本命令完成如下操作： 1、切...
在Linux环境下，用Linux基本命令完成如下操作：
1、切换到/home/qqbook/script目录下 ；
2、在该目录下，查找包含有“feidu”文本内容的所有文件名。
5.
有两个文件，分别有20亿个QQ号（bigint类型，8字节），我们只有2G...
有两个文件，分别有20亿个QQ号（bigint类型，8字节），我们只有2G内存，如何找到两个文件交集？
6.
QQ阅读的阅读行为日志的文件/home/log/aa.txt，占用存储1....
QQ阅读的阅读行为日志的文件/home/log/aa.txt，占用存储1.5T，在Linux环境下，用Linux基本命令完成如下操作：
1、统计该文件具体有多少行记录；
2、查看第12行到第15行这四行记录。【提示：有非常多种方法：①使用管道；②使用awk；③使用sed。总之请1行搞定。】
7.
我们知道Kimball的维度建模里面将事实表按粒度划分成了三种主要的事实表...
我们知道Kimball的维度建模里面将事实表按粒度划分成了三种主要的事实表，包括：事务事实表，周期快照事实表和累积快照事实表。请问这三种事实表有什么区别？
【提示：可从定义、粒度、用途、事实表更新机制、使用场景等多个角度进行比较】
10.
Hive中两大表连接，发生了数据倾斜，有一个reduce无法完成，检查发现...
Hive中两大表连接，发生了数据倾斜，有一个reduce无法完成，检查发现t1中guid=''的记录有很多，其他guid都不重复，这条语句该怎样优化？select t1.*,nvl(t2.x,1)from t1left join t2on t1.guid = t2.guid
11.
某种产品中,合格品率为0.96.一个合格品被检查成次品的概率是0.02,一...
某种产品中,合格品率为0.96.一个合格品被检查成次品的概率是0.02,一个次品被检查成合格品的概率为0.05.
问题：求一个被检查成合格品的产品确实为合格品的概率.
12.
有一个1G大小的一个文件，里面每一行是一个词，词的大小不超过16字节，内存...
有一个1G大小的一个文件，里面每一行是一个词，词的大小不超过16字节，内存限制大小是1M，要求返回频数最高的100个词
14.
写出下面各逻辑表达式的值（真：1，假：0）。设 a=3，b=4，c=5。 ...
写出下面各逻辑表达式的值（真：1，假：0）。设 a=3，b=4，c=5。 （1）a+b>c && b==c （2）a || b+c && b-c （3）!(a>b) && ! c || 1 （4）!(x=a) && (y=b) && 0
18.
起点APP每天访问数据存放在表wsd.t_sd_qidain_access...
起点APP每天访问数据存放在表wsd.t_sd_qidain_access_log里面，该表总共有98个字段，其中包含日期字段ds（格式：YYYY-MM-DD，如：2020-01-28），用户类型user_type，用户账号user_id，用户访问时间log_time，请问在2020年2月份里：
【脚本书写整齐很关键！】
1、输出每天每个类型访问的pv，uv，最早访问时间和最晚访问时间；
2、输出每天访问用户数最高的用户类型的top100（按照访问次数降序）用户，输出的字段有：日期，用户类型，用户账号，访问次数
19.
红袖APP付费记录中间表u_wsd.t_od_qidian_pay_hx，...
红袖APP付费记录中间表u_wsd.t_od_qidian_pay_hx，该表仅有3个字段，包含日期字段ds(格式：YYYY-MM-DD，如：2020-02-28)，用户登录账号qq_no，用户当天的总付费金额hx_amt(单位：分)，请问在2020年2月份里：
1、累计总付费金额大于等于100元的用户及其付费总金额并按照付费金额降序排列（只取top100）；
2、连续付费4天及以上的用户，同时输出该连续付费的起止日期。输出字段： qq_no, 起始日期，结束日期
【建议：脚本书写整齐很关键！利用with语法子查询，分步骤写清注释】
20.
Hive中表t_od_qqbook_coin_account是用户在QQ阅...
Hive中表t_od_qqbook_coin_account是用户在QQ阅读看书时的章节订阅明细表，主要有以下字段：statis_day(日期),qq_no(qq号),bookid(书籍id),cid(章节id),fee(该章节订阅费用，单位：分).
表t_rd_qqbook_all_book是书籍属性表(每个分区都是截止当时历史全量数据)，主要有以下字段：bookid(书籍id),bookname(书名),two_level(书籍所属二级分类).
请问在2020年1月里：
1、输出每天每本书的阅读人数及其订阅费用（仅保留订阅费用大于10元的记录）并按照订阅费用降序排列；
2、输出每天每个书籍二级分类付费总金额Top5的qq号及对应的金额，输出的字段有：日期、书籍二级分类、qq_no、金额.
21.
Hive中表t_od_qqbook_coin_account是用户在QQ阅...
Hive中表t_od_qqbook_coin_account是用户在QQ阅读看书时的章节订阅明细表，主要有以下字段：statis_day(日期),qq_no(qq号),bookid(书籍id),cid(章节id),fee(该章节订阅费用，单位：分).
用户订阅章节时支持多章同时订阅，此时表中的cid会把多个章节id通过*连接合并存储。
例如表中，一条订阅流水如下：例如表a中，一条订阅流水如下：20200102,905781969,273561,50*51*52*53*54*55,10
请问在2020年1月里：
1、输出每天每本书的阅读人数及其订阅费用（仅保留订阅费用大于10元的记录）并按照订阅费用降序排列；
2、输出每天每本书每个章节订阅的人数。
22.
冒泡排序
冒泡排序（Bubble Sort）
算法步骤
1、比较相邻的元素。如果第一个比第二个大，就交换他们两个。
2、对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对。这步做完后，最后的元素会是最大的数。
3、针对所有的元素重复以上的步骤，除了最后一个。
4、持续每次对越来越少的元素重复上面的步骤，直到没有任何一对数字需要比较。
输入描述：
20,413,3,53,90,324
输出样例 [3, 20, 53, 90, 324, 413]
23.
快速排序
快速排序
快速排序又是一种分而治之思想在排序算法上的典型应用。
算法步骤
1、从数列中挑出一个元素，称为 “基准”（pivot）。
2、重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作。
3、递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。
4、递归的最底部情形，是数列的大小是零或一，也就是永远都已经被排序好了。虽然一直递归下去，但是这个算法总会退出，因为在每次的迭代（iteration）中，它至少会把一个元素摆到它最后的位置去。
[3, 20, 53, 90, 324, 413]输出样例 [3, 20, 53, 90, 324, 413]
