2022年Hadoop道面试题及答案解析 .pdf
《2022年Hadoop道面试题及答案解析 .pdf》由会员分享,可在线阅读,更多相关《2022年Hadoop道面试题及答案解析 .pdf(20页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、3.6误 )3.7Hadoop支持数据的随机读写。(错) .8NameNode负责管理 metadata ,client端每次读写请求,它都会从磁盘中3.8读取或则会写入metadata 信息并反馈client 端。(错误) .8NameNode本地磁盘保存了Block 的位置信息。(个人认为正确,欢迎提出其它意见).93.93.103.11DataNode通过长连接与NameNode保持通信。(有分歧) .9Hadoop自身具有严格的权限管理和安全措施保障集群正常运行。(错误)93.123.133.14Slave 节点要存储数据,所以它的磁盘越大越好。(错误) .9hadoop dfsadm
2、in report 命令用于检测HDFS损坏块。(错误) . 9Hadoop默认调度器策略为FIFO (正确) .9100 道常见 Hadoop面试题及答案解析目录1单选题 .51.11.21.31.41.51.61.7下面哪个程序负责HDFS数据存储。.5HDfS 中的block 默认保存几份?.5下列哪个程序通常与NameNode在一个节点启动?.5Hadoop作者.6HDFS默认 Block Size .6下列哪项通常是集群的最主要瓶颈:.6关于 SecondaryNameNode哪项是正确的?.623多选题 .72.12.22.32.42.5下列哪项可以作为集群的管理?.7配置机架感知
3、的下面哪项正确:.7Client端上传文件的时候下列哪项正确?.7下列哪个是Hadoop运行的模式:.7Cloudera 提供哪几种安装CDH 的方法?.7判断题 .83.13.23.3Ganglia不仅可以进行监控,也可以进行告警。(正确) .8Block Size是不可以修改的。(错误).8Nagios不可以监控Hadoop集群,因为它不提供Hadoop支持。(错误)83.4如果NameNode意外终止, SecondaryNameNode会接替它使集群继续工作。(错误).83.5Cloudera CDH是需要付费使用的。(错误).8Hadoop是 Java开发的,所以MapReduce只
4、支持 Java语言编写。(错8名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页,共 20 页 - - - - - - - - - 3.15集群内每个节点都应该配RAID ,这样避免单磁盘损坏,影响整个节点运行。(错误) .93.16因为HDFS 有多个副本,所以NameNode是不存在单点问题的。(错误)93.173.183.19误 )3.20每个map 槽就是一个线程。(错误) .9Mapreduce的 input split 就是一个block。(错误) .10NameNo
5、de的 Web UI 端口是50030 ,它通过jetty 启动的Web服务。(错10Hadoop环境变量中的HADOOP_HEAPSIZE用于设置所有Hadoop 守护线程的内存。它默认是200 GB。( 错误) .10DataNode首次加入cluster 的时候,如果log中报告不兼容文件版本,那3.21需要 NameNode执行“Hadoopnamenode -format ”操作格式化磁盘。(错误) . 10问答题(一) .1044.1Hadoop集群可以运行的3 个模式? .10单机(本地)模式中的注意点?.10伪分布模式中的注意点?.10VM 是否可以称为 Pseudo ? .1
6、0全分布模式又有什么注意点?.10Hadoop是否遵循 UNIX 模式? .11Hadoop安装在什么目录下?.11Namenode、Jobtracker和tasktracker的端口号是?.11Hadoop的核心配置是什么?.11那当下又该如何配置?.11RAM 的溢出因子是?.11fs.mapr.working.dir只是单一的目录?.11hdfs-site.xml的 3 个主要属性?.11如何退出输入模式?.11当你输入hadoopfsck/造成“connectionrefusedjavaexception”时,系4.24.34.44.54.64.74.84.94.104.114.124
7、.134.144.15统究竟发生了什么?.11我们使用 Ubuntu及Cloudera ,那么我们该去哪里下载Hadoop,或者是默认就与 Ubuntu一起安装?.114.164.174.184.194.204.214.224.234.24“ jps ” 命令的用处?.11如何重启 Namenode?.11Fsck 的全名? .12如何检查 Namenode是否正常运行?.12mapred.job.tracker命令的作用?.12/etc/init.d命令的作用是?.12如何在浏览器中查找Namenode? .12如何从 SU 转到Cloudera? .12名师资料总结 - - -精品资料欢迎
8、下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页,共 20 页 - - - - - - - - - 4.254.264.274.284.294.304.314.324.334.344.354.364.374.384.394.404.414.424.434.444.45启动和关闭命令会用到哪些文件?.12Slaves 由什么组成?.12Masters由什么组成? .12hadoop-env.sh是用于做什么的?.12Master文件是否提供了多个入口?.12hadoop-env.sh文件当下的位置?.12在 Had
9、oop_PID_DIR中,PID 代表了什么?.12/var/hadoop/pids用于做什么?.12hadoop-metrics.properties文件的作用是?.12Hadoop需求什么样的网络?.13全分布式环境下为什么需求password-lessSSH? .13这会导致安全问题吗?.13SSH 工作的端口号是?.13SSH 中的注意点还包括?.13为什么 SSH本地主机需要密码?.13如果在 SSH中添加 key ,是否还需要设置密码?.13假如 Namenode中没有数据会怎么样?.13当 JobTracker宕掉时, Namenode会发生什么?.13是客户端还是Namenod
10、e决定输入的分片?.13是否可以自行搭建Hadoop集群? .13是否可以在Windows上运行 Hadoop ? .135问答题(二) .135.15.25.35.45.55.65.75.85.9写出以下执行命令.13简述一下 hdfs 的数据压缩算法,工作中用的是那种算法,为什么?. 14三个 datanode ,当有一个datanode 出现错误会怎样?.14hdfs 原理,以及各个模块的职责?.14哪个进程通常与namenode在一个节点启动?并做分析.16hdfs 的体系结构?.16HDFS ,replica如何定位 .17HDFS存储的机制 ? .17hdfs 的 client 端
11、,复制到第三个副本时宕机,hdfs怎么恢复保证下次写第三副本?185.105.115.125.135.145.15block 块信息是先写dataNode 还是先写nameNode?.18Hive 的 join有几种方式,怎么实现join的? .18hive 内部表和外部表的区别?.19hive 是如何实现分区的?.19hive 支持 not in吗? .19Hive 有哪些方式保存元数据,各有哪些优缺点。.19名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页,共 20 页 -
12、 - - - - - - - - 5.165.175.185.195.20hive 如何优化 .19hive 能像关系数据库那样,建多个库吗?.19hive 中的压缩格式RCFile 、 TextFile 、 SequenceFile各有什么区别?. 19hive 相对于Oracle来说有那些优点?.20Hive 的 sort by 和 order by 的区别 .20名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页,共 20 页 - - - - - - - - - 1单选题1
13、.1下面哪个程序负责HDFS数据存储。a)NameNodeb)Jobtrackerc)Datanoded)secondaryNameNodee)tasktracker答案C datanode1.2HDfS中的block默认保存几份?a)3 份b)2 份c)1 份d)不确定答案 A 默认 3 分1.3下列哪个程序通常与NameNode在一个节点启动?a)SecondaryNameNodeb)DataNodec)TaskTrackerd)Jobtracker答案 D,此题分析:hadoop的集群是基于master/slave模式, namenode和 jobtracker属于master ,dat
14、anode和tasktracker属 于 slave , master只 有 一 个 , 而 slave有 多 个SecondaryNameNode内存需求和NameNode在一个数量级上,所以通常secondaryNameNode(运行在单独的物理机器上)和NameNode运行在不同的机器上。JobTracker和 TaskTrackerJobTracker对应于 NameNodeTaskTracker对应于DataNodeDataNode和 NameNode是针对数据存放来而言的JobTracker和 TaskTracker是对于 MapReduce执行而言的mapreduce中几个主要概
15、念,mapreduce整体上可以分为这么几条执行线索:obclient ,JobTracker与 TaskTracker 。1、JobClient 会在用户端通过 JobClient 类将应用已经配置参数打包成jar 文件存储到 hdfs ,并把路径提交到Jobtracker,然后由JobTracker创建每一个Task (即MapTask和名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 5 页,共 20 页 - - - - - - - - - ReduceTask )并将它们分发到
16、各个TaskTracker服务中去执行。2、JobTracker是一个 master服务,软件启动之后JobTracker接收 Job,负责调度Job的每一个子任务 task 运行于 TaskTracker上,并监控它们,如果发现有失败的task就重新运行它。一般情况应该把JobTracker部署在单独的机器上。3、TaskTracker是运行在多个节点上的slaver 服务。 TaskTracker主动与 JobTracker通信,接收作业,并负责直接执行每一个任务。TaskTracker都需要运行在HDFS的 DataNode上。1.4Hadoop作者a)MartinFowlerb)Ken
17、tBeckc)Dougcutting答案C Doug cutting1.5HDFS默认BlockSizea)32MBb)64MBc)128MB答案: B(因为版本更换较快,这里答案只供参考)1.6下列哪项通常是集群的最主要瓶颈:a)CPUb)网络c)磁盘IOd)内存答案: C 磁盘该题解析:首先集群的目的是为了节省成本,用廉价的pc机,取代小型机及大型机。小型机和大型机有什么特点?1.cpu处理能力强2.内存够大所以集群的瓶颈不可能是a 和 d3.网络是一种稀缺资源,但是并不是瓶颈。4.由于大数据面临海量数据,读写数据都需要io ,然后还要冗余数据,hadoop一般备3份数据,所以IO就会打折
18、扣。1.7关于SecondaryNameNode哪项是正确的?a)它是 NameNode的热备b)它对内存没有要求名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 6 页,共 20 页 - - - - - - - - - c)它的目的是帮助NameNode合并编辑日志,减少NameNode启动时间d)SecondaryNameNode应与 NameNode部署到一个节点。答案C2多选题2.1下列哪项可以作为集群的管理?a)Puppetb)Pdshc)ClouderaManagerd)Z
19、ookeeper答案: ABD2.2配置机架感知的下面哪项正确:a)如果一个机架出问题,不会影响数据读写b) 写入数据的时候会写到不同机架的DataNode中c)MapReduce会根据机架获取离自己比较近的网络数据答案ABC2.3Client端上传文件的时候下列哪项正确?a)数据经过NameNode传递给 DataNodeb)Client端将文件切分为Block ,依次上传c)Client只上传数据到一台DataNode,然后由 NameNode负责Block 复制工作答案 B,该题分析:Client向 NameNode发起文件写入的请求。NameNode根据文件大小和文件块配置情况,返回给
20、Client它所管理部分DataNode的信息。Client将文件划分为多个Block ,根据 DataNode的地址信息,按顺序写入到每一个DataNode块中。2.4下列哪个是Hadoop运行的模式:a)单机版b) 伪分布式c)分布式答案ABC2.5Cloudera提供哪几种安装CDH的方法?a)Clouderamanagerb)Tarballc)Yumd)Rpm答案: ABCD名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 7 页,共 20 页 - - - - - - - -
21、- 3判断题3.1Ganglia不仅可以进行监控,也可以进行告警。(正确)分析:此题的目的是考Ganglia的了解。严格意义上来讲是正确。ganglia作为一款最常用的 Linux环境中的监控软件,它擅长的的是从节点中按照用户的需求以较低的代价采集数据。但是 ganglia在预警以及发生事件后通知用户上并不擅长。最新的ganglia已经有了部分这方面的功能。但是更擅长做警告的还有Nagios 。Nagios ,就是一款精于预警、通知的软件。通过将Ganglia和Nagios组合起来,把Ganglia 采集的数据作为 Nagios的数据源,然后利用 Nagios来发送预警通知,可以完美的实现一整
22、套监控管理的系统。3.2BlockSize是不可以修改的。(错误)分析:它是可以被修改的Hadoop的基础配置文件是hadoop-default.xml,默认建立一个 Job 的时候会建立Job 的 Config ,Config首先读入 hadoop-default.xml的配置,然后再读入 hadoop-site.xml的配置(这个文件初始的时候配置为空),hadoop-site.xml中主要配置需要覆盖的hadoop-default.xml的系统级配置。3.3Nagios不可以监控Hadoop集群,因为它不提供Hadoop支持。(错误)分析: Nagios是集群监控工具,而且是云计算三大利
23、器之一3.4如果NameNode意外终止, SecondaryNameNode会接替它使集群继续工作。(错误)分析: SecondaryNameNode是帮助恢复,而不是替代,如何恢复,可以查看3.5ClouderaCDH是需要付费使用的。(错误)分析:第一套付费产品是ClouderaEnterpris ,ClouderaEnterprise在美国加州举行的Hadoop大会(HadoopSummit)上公开, 以若干私有管理、监控、运作工具加强Hadoop的功能。收费采取合约订购方式,价格随用的Hadoop叢集大小变动。3.6Hadoop是Java开发的,所以MapReduce只支持 Java
24、语言编写。(错误)分析: rhadoop是用 R 语言开发的, MapReduce是一个框架,可以理解是一种思想,可以使用其他语言开发。3.7Hadoop支持数据的随机读写。(错)分析: lucene 是支持随机读写的,而hdfs 只支持随机读。但是HBase 可以来补救。 HBase提供随机读写,来解决Hadoop不能处理的问题。HBase 自底层设计开始即聚焦于各种可伸缩性问题:表可以很“高”,有数十亿个数据行;也可以很“宽”,有数百万个列;水平分区并在上千个普通商用机节点上自动复制。表的模式是物理存储的直接反映,使系统有可能提高高效的数据结构的序列化、存储和检索。3.8NameNode负
25、责管理metadata ,client端每次读写请求,它都会从磁盘中读取或则会写入metadata信息并反馈client端。(错误)此题分析:NameNode不需要从磁盘读取metadata,所有数据都在内存中,硬盘上的只是序列化的结果,只有每次namenode启动的时候才会读取。1)文件写入Client向 NameNode发起文件写入的请求。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 8 页,共 20 页 - - - - - - - - - NameNode根据文件大小和文件块
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2022年Hadoop道面试题及答案解析 2022 Hadoop 试题 答案 解析
限制150内