hadoop面試題答案

Hadoop 面試題,看看書找答案，看看你能答對多少(2)



1. 下面哪個程序負責 HDFS 數據存儲。
a)NameNode  b)Jobtracker  c)Datanode d)secondaryNameNode e)tasktracker

答案C datanode

2. HDfS 中的 block 默認保存幾份？
a)3 份 b)2 份c)1 份d)不確定

答案A默認3分

3. 下列哪個程序通常與 NameNode 在一個節點啟動？
a)SecondaryNameNode b)DataNode c)TaskTracker d)Jobtracker

答案D
分析：
hadoop的集群是基於master/slave模式，namenode和jobtracker屬於master，datanode和tasktracker屬於slave，master只有一個，而slave有多個

SecondaryNameNode內存需求和NameNode在一個數量級上，所以通常secondary NameNode（運行在單獨的物理機器上）和NameNode運行在不同的機器上。
JobTracker和TaskTracker
JobTracker  對應於 NameNode
TaskTracker 對應於 DataNode
DataNode 和NameNode 是針對數據存放來而言的
JobTracker和TaskTracker是對於MapReduce執行而言的

mapreduce中幾個主要概念，mapreduce整體上可以分為這么幾條執行線索：
jobclient，JobTracker與TaskTracker。
1、JobClient會在用戶端通過JobClient類將應用已經配置參數打包成jar文件存儲到hdfs，
並把路徑提交到Jobtracker,然后由JobTracker創建每一個Task（即MapTask和ReduceTask）
並將它們分發到各個TaskTracker服務中去執行
2、JobTracker是一個master服務，軟件啟動之后JobTracker接收Job，負責調度Job的每一個子任務task運行於TaskTracker上，
並監控它們，如果發現有失敗的task就重新運行它。一般情況應該把JobTracker部署在單獨的機器上。
3、TaskTracker是運行在多個節點上的slaver服務。TaskTracker主動與JobTracker通信，接收作業，並負責直接執行每一個任務。
TaskTracker都需要運行在HDFS的DataNode上




4. Hadoop 作者
a)Martin Fowler b)Kent Beck c)Doug cutting 

答案C Doug cutting 


5. HDFS 默認 Block Size
a)32MB  b)64MB c)128MB

答案：B


6. 下列哪項通常是集群的最主要瓶頸
a)CPU   b)網絡 c)磁盤IO  d)內存

答案：C磁盤
首先集群的目的是為了節省成本，用廉價的pc機，取代小型機及大型機。小型機和大型機有什么特點？

1.cpu處理能力強
2.內存夠大
所以集群的瓶頸不可能是a和d
3.如果是互聯網有瓶頸，可以讓集群搭建內網。每次寫入數據都要通過網絡（集群是內網），然后還要寫入3份數據，所以IO就會打折扣。
同樣可以參考下面帖子的實際案例
集群瓶頸為什么磁盤io



7. 關於 SecondaryNameNode 哪項是正確的？
a)它是 NameNode 的熱備     b)它對內存沒有要求
c)它的目的是幫助 NameNode 合並編輯日志，減少 NameNode 啟動時間
d)SecondaryNameNode 應與 NameNode 部署到一個節點

答案C。
D答案可以參考第三題

多選題：
8. 下列哪項可以作為集群的管理？
a)Puppet b)Pdsh c)Cloudera Manager d)Zookeeper

答案ABD
具體可查看
什么是Zookeeper，Zookeeper的作用是什么，在Hadoop及hbase中具體作用是什么

9. 配置機架感知的下面哪項正確
a)如果一個機架出問題，不會影響數據讀寫
b)寫入數據的時候會寫到不同機架的 DataNode 中
c)MapReduce 會根據機架獲取離自己比較近的網絡數據

答案ABC
具體可以參考
hadoop機架感知--加強集群穩固性，該如何配置hadoop機架感知


10. Client 端上傳文件的時候下列哪項正確
a)數據經過 NameNode 傳遞給 DataNode
b)Client 端將文件切分為 Block，依次上傳
c)Client 只上傳數據到一台 DataNode，然后由 NameNode 負責 Block 復制工作
答案B
分析：
Client向NameNode發起文件寫入的請求。


NameNode根據文件大小和文件塊配置情況，返回給Client它所管理部分DataNode的信息。


Client將文件划分為多個Block，根據DataNode的地址信息，按順序寫入到每一個DataNode塊中。
具體查看
HDFS體系結構簡介及優缺點


11. 下列哪個是 Hadoop 運行的模式
a)單機版 b)偽分布式 c)分布式

答案ABC
單機版,偽分布式只是學習用的。


12. Cloudera 提供哪幾種安裝 CDH 的方法
a)Cloudera manager b)Tarball c)Yum d)Rpm
答案：ABCD具體可以參考
Hadoop CDH四種安裝方式總結及實例指導

判斷題：
13. Ganglia 不僅可以進行監控，也可以進行告警。（ 正確）
分析：
此題的目的是考Ganglia的了解。嚴格意義上來講是正確。

ganglia作為一款最常用的Linux環境中的監控軟件，它擅長的的是從節點中按照用戶的需求以較低的代價采集數據。但是ganglia在預警以及發生事件后通知用戶上並不擅長。最新的ganglia已經有了部分這方面的功能。但是更擅長做警告的還有Nagios。Nagios，就是一款精於預警、通知的軟件。通過將Ganglia和Nagios組合起來，把Ganglia采集的數據作為Nagios的數據源，然后利用Nagios來發送預警通知，可以完美的實現一整套監控管理的系統。
具體可以查看
完美集群監控組合ganglia和nagios

14. Block Size 是不可以修改的。（錯誤 ）
它是可以被修改的

Hadoop的基礎配置文件是hadoop-default.xml，默認建立一個Job的時候會建立Job的Config，Config首先讀入hadoop-default.xml的配置，然后再讀入hadoop-site.xml的配置（這個文件初始的時候配置為空），hadoop-site.xml中主要配置需要覆蓋的hadoop-default.xml的系統級配置。具體配置可以參考下

1. <property>
2.   <name>dfs.block.size</name>//block的大小，單位字節，后面會提到用處，必須是512的倍數，因為采用crc作文件完整性校驗，默認配置512是checksum的最小單元。
3.   <value>5120000</value>
4.   <description>The default block size for new files.</description>
5. </property>

復制代碼

15. Nagios 不可以監控 Hadoop 集群，因為它不提供 Hadoop 支持。（錯誤 ）

分析：
Nagios是集群監控工具，而且是雲計算三大利器之一

16. 如果 NameNode 意外終止，SecondaryNameNode 會接替它使集群繼續工作。（錯誤 ）

分析：
SecondaryNameNode是幫助恢復，而不是替代，如何恢復，可以查看
hadoop 根據SecondaryNameNode恢復Namenode


17. Cloudera CDH 是需要付費使用的。（錯誤 ）

分析：
第一套付費產品是Cloudera Enterpris，Cloudera Enterprise在美國加州舉行的 Hadoop 大會 (Hadoop Summit) 上公開，以若干私有管理、監控、運作工具加強 Hadoop 的功能。收費采取合約訂購方式，價格隨用的 Hadoop 叢集大小變動。

18. Hadoop 是 Java 開發的，所以 MapReduce 只支持 Java 語言編寫。（錯誤 ）

分析：
rhadoop是用R語言開發的，MapReduce是一個框架，可以理解是一種思想，可以使用其他語言開發。
具體可以查看
Hadoop簡介(1):什么是Map/Reduce


19. Hadoop 支持數據的隨機讀寫。（錯 ）

分析：
lucene是支持隨機讀寫的，而hdfs只支持隨機讀。但是HBase可以來補救。
HBase提供隨機讀寫，來解決Hadoop不能處理的問題。HBase自底層設計開始即聚焦於各種可伸縮性問題：表可以很“高”，有數十億個數據行；也可以很“寬”，有數百萬個列；水平分區並在上千個普通商用機節點上自動復制。表的模式是物理存儲的直接反映，使系統有可能提高高效的數據結構的序列化、存儲和檢索。


20. NameNode 負責管理 metadata，client 端每次讀寫請求，它都會從磁盤中讀取或則會寫入 metadata 信息並反饋 client 端。（個人認為正確，歡迎提出其它意見 ）分析：
1）文件寫入
    Client向NameNode發起文件寫入的請求。
    NameNode根據文件大小和文件塊配置情況，返回給Client它所管理部分DataNode的信息。
    Client將文件划分為多個Block，根據DataNode的地址信息，按順序寫入到每一個DataNode塊中。


2）文件讀取
    Client向NameNode發起文件讀取的請求。
    NameNode返回文件存儲的DataNode的信息。
    Client讀取文件信息。

具體查看
hadoop中NameNode、DataNode和Client三者之間協作關系

21. NameNode 本地磁盤保存了 Block 的位置信息。（ 個人認為正確，歡迎提出其它意見）

分析：
DataNode是文件存儲的基本單元，它將Block存儲在本地文件系統中，保存了Block的Meta-data，同時周期性地將所有存在的Block信息發送給NameNode。

具體同樣查看
hadoop中NameNode、DataNode和Client三者之間協作關系

22. DataNode 通過長連接與 NameNode 保持通信。（錯誤 ）

首先明確一下概念：

（1）.長連接
Client方與Server方先建立通訊連接，連接建立后不斷開，
然后再進行報文發送和接收。這種方式下由於通訊連接一直
存在，此種方式常用於點對點通訊。


（2）.短連接
Client方與Server每進行一次報文收發交易時才進行通訊連
接，交易完畢后立即斷開連接。此種方式常用於一點對多點
通訊，比如多個Client連接一個Server.




23. Hadoop 自身具有嚴格的權限管理和安全措施保障集群正常運行。（錯誤 ）

hadoop只能阻止好人犯錯，但是不能阻止壞人干壞事
具體可查看
hadoop安全性需不斷加強


24. Slave 節點要存儲數據，所以它的磁盤越大越好。（ 錯誤）

分析：
一旦Slave節點宕機，數據恢復是一個難題

25. hadoop dfsadmin –report 命令用於檢測 HDFS 損壞塊。（錯誤 ）


分析：
hadoop dfsadmin -report 

用這個命令可以快速定位出哪些節點down掉了，HDFS的容量以及使用了多少，以及每個節點的硬盤使用情況。

當然NameNode有個http頁面也可以查詢，但是這個命令的輸出更適合我們的腳本監控dfs的使用狀況

1. Configured Capacity: 77209395855360 (70.22 TB)
2. Present Capacity: 76079914600683 (69.19 TB)
3. DFS Remaining: 60534707015680 (55.06 TB)
4. DFS Used: 15545207585003 (14.14 TB)
5. DFS Used%: 20.43%
7. -------------------------------------------------
8. Datanodes available: 107 (109 total, 2 dead)
10. Name: 172.16.218.232:50010
11. Rack: /lg/dminterface0
12. Decommission Status : Normal
13. Configured Capacity: 1259272216576 (1.15 TB)
14. DFS Used: 185585852416 (172.84 GB)
15. Non DFS Used: 39060951040 (36.38 GB)
16. DFS Remaining: 1034625413120(963.57 GB)
17. DFS Used%: 14.74%
18. DFS Remaining%: 82.16%
19. Last contact: Wed Nov 18 10:19:44 CST 2009
21. Name: 172.16.216.126:50010
22. Rack: /lg/dminterface2
23. Decommission Status : Normal
24. Configured Capacity: 661261402112 (615.85 GB)
25. DFS Used: 123147280384 (114.69 GB)
26. Non DFS Used: 8803852288 (8.2 GB)
27. DFS Remaining: 529310269440(492.96 GB)
28. DFS Used%: 18.62%
29. DFS Remaining%: 80.05%
30. Last contact: Wed Nov 18 10:19:46 CST 2009

復制代碼

26. Hadoop 默認調度器策略為 FIFO（正確 ）
具體參考
Hadoop集群三種作業調度算法介紹



27. 集群內每個節點都應該配 RAID，這樣避免單磁盤損壞，影響整個節點運行。（錯誤 ）
分析：
首先明白什么是RAID，可以參考百科磁盤陣列。
這句話錯誤的地方在於太絕對，具體情況具體分析。題目不是重點，知識才是最重要的。
因為hadoop本身就具有冗余能力，所以如果不是很嚴格不需要都配備RAID。具體參考第二題。


28. 因為 HDFS 有多個副本，所以 NameNode 是不存在單點問題的。（錯誤 ）
分析：
NameNode存在單點問題。了解詳細信息，可以參考
Hadoop中Namenode單點故障的解決方案及詳細介紹AvatarNode

29. 每個 map 槽就是一個線程。（錯誤 ）
分析：首先我們知道什么是map 槽,map 槽->map slot
map slot 只是一個邏輯值 ( org.apache.hadoop.mapred.TaskTracker.TaskLauncher.numFreeSlots )，而不是對應着一個線程或者進程
具體見：
hadoop中槽-slot是線程還是進程討論

30. Mapreduce 的 input split 就是一個 block。（錯誤 ）
InputFormat的數據划分、Split調度、數據讀取三個問題的淺析

31. NameNode 的 Web UI 端口是 50030，它通過 jetty 啟動的 Web 服務。（錯誤 ）
分析：
根據下面，很顯然JOBTRACKER的 Web UI 端口是 50030
端口說明：

默認端口    設置位置                                                                                                  
9000          namenode                                                                                                
8020          namenode                                                                                                
8021          JT RPC                                                                                                    
50030        mapred.job.tracker.http.address JobTracker administrative web GUI      
50070        dfs.http.address NameNode administrative web GUI                               
50010        dfs.datanode.address DataNode control port                
50020        dfs.datanode.ipc.address DataNode IPC port, used for block transfer     
50060        mapred.task.tracker.http.address Per TaskTracker web interface           
50075        dfs.datanode.http.address Per DataNode web interface                          
50090        dfs.secondary.http.address Per secondary NameNode web interface      




設置位置                                                                                                 描述信息
namenode                                                                                               交互端口
namenode                                                                                               RPC交互端口
JT RPC                                                                                                   交互端口
mapred.job.tracker.http.address JobTracker administrative web GUI     JOBTRACKER的HTTP服務器和端口
dfs.http.address NameNode administrative web GUI                              NAMENODE的HTTP服務器和端口
dfs.datanode.address DataNode control port               DATANODE控制端口，主要用於DATANODE初始化時向NAMENODE提出注冊和應答請求
dfs.datanode.ipc.address DataNode IPC port, used for block transfer    DATANODE的RPC服務器地址和端口
mapred.task.tracker.http.address Per TaskTracker web interface           TASKTRACKER的HTTP服務器和端口
dfs.datanode.http.address Per DataNode web interface                          DATANODE的HTTP服務器和端口
dfs.secondary.http.address Per secondary NameNode web interface     輔助DATANODE的HTTP服務器和端口




32. Hadoop 環境變量中的 HADOOP_HEAPSIZE 用於設置所有 Hadoop 守護線程的內存。它默
認是 200 GB。（ 錯誤）
hadoop為各個守護進程（namenode,secondarynamenode,jobtracker,datanode,tasktracker）統一分配的內存在hadoop-env.sh中設置，參數為HADOOP_HEAPSIZE，默認為1000M。
具體參考hadoop集群內存設置

33. DataNode 首次加入 cluster 的時候，如果 log 中報告不兼容文件版本，那需要 NameNode
執行“Hadoop namenode -format”操作格式化磁盤。（錯誤 ）
分析：
首先明白介紹，什么ClusterID
ClusterID

添加了一個新的標識符ClusterID用於標識集群中所有的節點。當格式化一個Namenode，需要提供這個標識符或者自動生成。這個ID可以被用來格式化加入集群的其他Namenode。
詳細內容可參考
hadoop集群添加namenode的步驟及常識


以上答案通過多個資料驗證，對於資料不充分的內容，都標有”個人觀點“，給出本測試題抱着謹慎的態度，希望大家多批評指正。

轉載請注明：出自about雲http://www.aboutyun.com/thread-6787-1-1.html