如何使用Spark实现TopN的获取（描述思路或使用伪代码）？...

能介绍下你所知道和使用过的Spark调优吗?...

当Spark涉及到数据库的操作时，如何减少Spark运行中的数据库连接数？...

简述Spark中共享变量（广播变量和累加器）的基本原理与用途...

简述下Spark中的缓存(cache和persist)与checkpoint机制，并指出两者的区别和联系...

Repartition和Coalesce 的关系与区别，能简单说说吗？...

reduceByKey与groupByKey的区别,哪一种更具优势?...

列举Spark常用的transformation和action算子，有哪些算子会导致Shuffle?...

简述Spark的宽窄依赖，以及Spark如何划分stage，每个stage又根据什么决定task个数?...

你是如何理解Spark中血统(RDD)的概念?它的作用是什么？...

简述Spark的作业提交流程...

Spark提交作业的参数...

Spark有几种部署方式，请分别简要论述？...

你是怎么理解Spark，它的特点是什么？...

Elasticsearch中如何进行手动force merge？...