今天给大家介绍几道MapReduce相关的面试题，这些题目是我或者别人在面试过程中遇到的，看看你能回答出几道，明天将答案发放给大家。
题目1：现有100TB的用户查询词（从搜索引擎日志中提取出来的），如何用MapReduce计算出现次数最多的K个查询词？如何对你设计的算法进行优化？考虑的优化点有：如果一个查询词出现次数非常多，产生的负载倾斜问题会不会导致你的算法性能非常低下，等等。
题目2：现有100TB的网页文档（文档库），很容易统计出每个文档中每两个词（词对）出现频率，设计一个MapReduce算法统计出现在超过10个文档中的词对，比如以下文档
I am a good man
那么词对有I am，I a，I good， I man， a man， am good …..
设计出算法之后，尝试考虑从以下几点进行优化：
（1）在Map阶段，一个Map Task可能会输出大量的临时数据，这可能会带来什么性能问题？如何对其进行优化？
（2）假设现在有一个词频表，已经统计出了文档库中每个词出现的频率，怎么利用这个词频表优化你的mapreduce程序？
（3）如果词频表非常大，内存放不下，有哪些数据结构可以节省内存？
（4）如果尝试使用各种数据结构后，词频表仍无法保存到内存中，如何进行解决该问题？
题目3：目前有很多基于MapReduce的数据挖掘库、机器学习库和图算法库，尝试基于MapReduce实现最短路径算法。
题目4：Hadoop MapReduce提供了什么机制允许一个作业的各个任务间共享只读文件？尝试描述该机制的工作原理。
题目5：请描述MapReduce中shuffle阶段的工作流程？如何优化shuffle阶段？
题目6：一个MapReduce作业的Map Task数目是如何决定的？一般情况下，在Hadoop中，一个处理文本文件的作业的Map Task是如何计算的？
题目7：什么叫数据本地性？Hadoop采用了哪些机制提高任务的数据本地性？
题目8：描述Hadoop MapReduce的容错机制。
题目9：MapReduce中Partitioner的作用是什么，哪些情况下需要自定义Parititioner？
题目10：MapReduce中Combiner的作用是什么，它一般用于哪些场景？举出一个不能使用Combiner的例子。
