Introduktion till Apache PIG intervjufrågor och svar
Så du har äntligen hittat ditt drömjobb i Apache PIG men vi undrar hur du knäcker Apache PIG intervjun 2019 och vad som kan vara de troliga frågorna om Apache PIG intervju. Varje Apache PIG-intervju är annorlunda och omfattningen av ett jobb är också annorlunda. Med detta i åtanke har vi utformat de vanligaste Apache PIG-intervjufrågorna och svaren för att hjälpa dig att få framgång i din Apache PIG-intervju.
Följande är listan över 2019-frågor om Apache PIG-intervjuer som ställs mestadels
1. Vilka är de viktigaste skillnaderna mellan MapReduce och Apache Pig?
Svar:
Följande är de viktigaste skillnaderna mellan Apache Pig och MapReduce beroende på vilket Apache Pig kom in i bilden:
• MapReduce är en databehandlingsmodell på låg nivå medan Apache Pig är en dataflödesplattform på hög nivå
• Utan att skriva de komplexa Java-implementeringarna i MapReduce kan programmerare enkelt uppnå samma implementeringar med hjälp av Pig Latin.
• Apache Pig tillhandahåller kapslade datatyper som påsar, tuples och kartor eftersom de saknas i MapReduce.
• Gris stödjer datafunktioner som filter, sammanfogningar, beställning, sortering etc. med många inbyggda operatörer. Att utföra samma funktion i MapReduce är en enorm uppgift.
2. Förklara användningen av MapReduce i Pig.
Svar:
Apache Pig-program skrivs på ett frågespråk som kallas Pig Latin, vilket liknar SQL-frågespråket. För att utföra en fråga finns det behov av en exekveringsmotor. Och Pig-motorn konverterar frågorna till MapReduce-jobb och MapReduce fungerar därmed som exekveringsmotor och behövs för att köra programmen.
3. Förklara användningen av gris.
Svar:
Vi kan använda grisen i tre kategorier, de är:
• ETL-datapipeline: Det hjälper till att fylla i vårt datalager. Gris kan leda data till en extern applikation, den kommer att vänta tills den är klar så att den har tagit emot den bearbetade informationen och fortsätt därifrån. Det är det vanligaste fallet för gris.
• Forskning om rådata.
• Iterativ behandling.
4. Jämför Apache Pig och SQL.
Svar:
• Apache Pig skiljer sig från SQL i sin användning för ETL, lat utvärdering, lagra data vid en given tidpunkt i rörledningen, stöd för rörledningssplittringar och uttrycklig deklaration av körplaner. SQL (Structural query language) är orienterat kring frågor som ger ett enda resultat. SQL har ingen inbyggd mekanism för att dela upp databehandlingsströmmen och tillämpa olika operatörer på varje delström.
• Apache Pig gör det möjligt att inkludera användarkod när som helst i pipeline medan SQL, där data ska användas, måste importeras till databasen först och sedan börjar rengöringsprocessen.
5. Förklara de olika komplexa datatyperna i Pig.
Svar:
Apache Pig stöder tre komplexa datatyper-
• Kartor - Det här är viktiga, värdeförråd som är förenade med #.
Exempel: ('city' # 'pune', 'pin' # 411045) • Tuples - Precis som raden i en tabell, där olika objekt separeras av komma. Tuples kan ha flera attribut.
• Väskor - En oordnad samling tuple. Väskan tillåter flera dubbla tuplingar.
Exempel: (('Mumbai', 022), ('New Delhi', 011), ('Kolkata', 44))
6. Förklara olika exekveringsmodeller som finns tillgängliga i Pig.
Svar:
Tre olika exekveringslägen tillgängliga i Pig de är,
• Interaktivt läge eller Grunt-läge.
Interaktivt läge eller gryntläge: Pigs interaktiva skal kallas grunt skal. Om ingen fil anges för att köra i Pig startar den.
• Batchläge eller skriptläge.
Pig kör de angivna kommandona i skriptfilen.
• Inbyggt läge
Vi kan bädda in grisprogram i Java och vi kan köra programmen från Java.
7. Förklara exekveringsplanerna (Logical & Physical plan) för ett grisskript
Svar:
Logiska och fysiska planer skapas under utförandet av ett grismanus. Grisskript baseras på tolkkontroll. Den logiska planen produceras genom semantisk kontroll och grundläggande parsing och ingen databehandling sker under skapandet av en logisk plan. För varje rad i grisskriptet utförs syntaxskontrollen för operatörer och en logisk plan skapas. När ett fel inträffar i skriptet kastas ett undantag och programkörningen avslutas, annars har varje uttalande i skriptet en egen logisk plan.
En logisk plan innehåller samlingen av operatörer i skriptet men innehåller inte kanterna mellan operatörerna.
När den logiska planen har genererats flyttas skriptkörningen till den fysiska planen där det finns en beskrivning av de fysiska operatörerna, Apache Pig kommer att använda, för att utföra Pig-skriptet. En fysisk plan är mer eller mindre som en serie MapReduce-jobb men då har inte planen någon hänvisning till hur den kommer att utföras i MapReduce. Under skapandet av en fysisk plan konverteras den logiska operatören för cogroup till 3 fysiska operatörer, nämligen –Local Rearrange, Global Rearrange och Package. Ladda och lagra funktioner löses vanligtvis i den fysiska planen.
8. Vad är felsökningsverktygen som används för Apache Pig-skript?
Svar:
Beskriv och förklara är de viktiga felsökningsverktygen i Apache Pig.
• Explain-verktyget är användbart för Hadoop-utvecklare när de försöker felsöka fel eller optimera PigLatin-skript. förklara kan tillämpas på ett visst alias i skriptet eller det kan tillämpas på hela skriptet i det grymma interaktiva skalet. förklara verktyget producerar flera diagram i textformat som kan skrivas ut till en fil.
• Beskrivning av felsökningsverktyg är till hjälp för utvecklare när man skriver svinskript eftersom det visar schemat för en relation i skriptet. För nybörjare som försöker lära sig Apache Pig kan använda beskrivningsverktyget för att förstå hur varje operatör gör dataändringar. Ett grisskript kan ha flera beskrivningar.
9. Vilka är de fall där Apache Pig använder du kan tänka på?
Svar:
• Apache Pig big data-verktyg används särskilt för iterativ behandling, forskning om rådata och för traditionella ETL-dataledningar. Eftersom Pig kan fungera under omständigheter där schemat inte är känt, inkonsekvent eller ofullständig - används det ofta av forskare som vill utnyttja uppgifterna innan de rengörs och laddas in i datalageret.
• För att bygga modeller för beteendeförutsägelse kan den till exempel användas av en webbplats för att spåra besökarnas svar på olika typer av annonser, bilder, artiklar etc.
10. Markera skillnaden mellan grupp- och Cogroup-operatörer i Pig.
Svar:
Båda operatörerna kan arbeta med en eller flera relationer. Grupp- och Cogroup-operatörer är identiska. Gruppoperatören samlar alla poster med samma nyckel. Cogroup är en kombination av grupp och gå med, det är en generalisering av en grupp istället för att samla poster med en ingång beror på en nyckel, den samlar poster med n ingångar baserade på en nyckel. Samtidigt kan vi samarbeta med upp till 127 relationer.
Rekommenderade artiklar
Detta har varit en guide till Lista över Apache PIG-intervjufrågor och svar så att kandidaten lätt kan slå ned dessa Apache PIG-intervjufrågor. Den här artikeln består av alla användbara frågor och svar från Apache PIG-intervjuer som hjälper dig i en intervju. Du kan också titta på följande artiklar för att lära dig mer -
- Apache Pig vs Apache Hive
- Topp 10 tuffa intervjufrågor
- 8 effektiva steg för att förbereda sig för en intern intervju
- Viktiga tips för att överleva intervju från panelen (användbara)