第15章测试：大数据场景JVM调优

1

大数据场景下JVM调优的主要挑战不包括以下哪一项？

解析：

大数据场景通常需要多线程并行处理来提高吞吐量，单线程处理不是大数据场景的特点。大数据应用面临的主要挑战包括大内存需求、高吞吐量要求和长时间运行的稳定性。

2

Hadoop HDFS NameNode的JVM调优应该重点关注哪些方面？（多选）

解析：

NameNode需要管理大量文件系统元数据，应该使用G1GC处理大内存、配置足够的堆空间、启用GC日志进行监控。禁用GC优化会导致性能问题。

3

Spark应用中，执行内存（Execution Memory）主要用于：

解析：

执行内存主要用于Shuffle、Join、Sort等计算操作。缓存RDD和广播变量属于存储内存，用户自定义数据结构属于用户内存。

4

对于Flink流处理应用，以下哪个GC参数配置最合适？

解析：

Flink流处理对延迟敏感，G1GC配合较短的停顿时间目标（100ms）最适合。SerialGC性能太差，CMS已过时，ParallelGC停顿时间过长。

5

在大内存场景下，G1GC的哪个参数用于控制堆区域大小？

解析：

G1HeapRegionSize参数用于设置G1GC的堆区域大小，通常在大内存场景下设置为32MB。其他参数分别控制停顿时间、混合GC次数和新生代比例。

6

Spark序列化优化中，Kryo序列化器相比Java默认序列化器的优势包括：（多选）

解析：

Kryo序列化器提供更快的序列化速度、更小的数据大小，从而减少网络传输开销。类型安全性主要由编程语言和框架保证，不是序列化器的主要优势。

7

ZGC垃圾回收器的主要特点是：

解析：

ZGC的主要特点是提供亚毫秒级的GC停顿时间，适用于大内存和延迟敏感的应用。ZGC需要JDK 11或更高版本，并且设计为自适应调优。

8

Flink的RocksDB状态后端适用于哪种场景？

解析：

RocksDB状态后端将状态数据存储在磁盘上，适用于大状态数据和长时间窗口的场景。对于小状态数据，内存状态后端更合适。

📝 第15章测试