大数据技术Hadoop面试题(二)

17.ClouderaCDH是需要付费使用的。()

18.Hadoop是Java开发的，所以MapReduce只支持Java语言编写。()

19.Hadoop支持数据的随机读写。()

20.NameNode负责管理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。()

21.NameNode本地磁盘保存了Block的位置信息。()

22.DataNode通过长连接与NameNode保持通信。()

23.Hadoop自身具有严格的权限管理和安全措施保障集群正常运行。()

24.Slave节点要存储数据，所以它的磁盘越大越好。()

25.hadoopdfsadmin?report命令用于检测HDFS损坏块。()

26.Hadoop默认调度器策略为FIFO()

27.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。()

28.因为HDFS有多个副本，所以NameNode是不存在单点问题的。()

29.每个map槽就是一个线程。()

30.MaPduce的inputsplit就是一个block。()

31.NameNode的WebUI端口是50030，它通过jetty启动的Web服务。()

32.Hadoop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200GB。()

33.DataNode首次加入cluster的时候，如果log中报告不兼容文件版本，那需要NameNode执行“Hadoopnamenode-format”操作格式化磁盘。()

别走开，答案在后面哦!

1.下面哪个程序负责HDFS数据存储。答案Cdatanode

a)NameNode

b)Jobtracker

c)Datanode

d)secondaryNameNode

e)tasktracker

2.HDfS中的block默认保存几份?答案A默认3分

a)3份

b)2份

c)1份

d)不确定

3.下列哪个程序通常与NameNode在一个节点启动?答案D

a)SecondaryNameNode

b)DataNode

c)TaskTracker

d)Jobtracker

此题分析：

hadoop的集群是基于master/slave模式，namenode和jobtracker属于master，datanode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TaskTracker

JobTracker对应于NameNode

TaskTracker对应于DataNode

DataNode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

maPduce中几个主要概念，maPduce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ReduceTask)并将它们分发到各个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。

4.Hadoop作者答案CDougcutting

a)MartinFowler

b)KentBeck

c)Dougcutting

5.HDFS默认BlockSize答案：B

a)32MB

b)64MB

c)128MB

(因为版本更换较快，这里答案只供参考)

6.下列哪项通常是集群的最主要瓶颈：答案：C磁盘

a)CPU

b)网络

c)磁盘IO

d)内存

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d

3.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就会打折扣。

7.关于SecondaryNameNode哪项是正确的?答案C

a)它是NameNode的热备

b)它对内存没有要求

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。

多选题：

8.下列哪项可以作为集群的管理?答案：ABD

a)Puppet

b)Pdsh

c)ClouderaManager

d)Zookeeper

9.配置机架感知的下面哪项正确：答案ABC

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

10.Client端上传文件的时候下列哪项正确?答案B

a)数据经过NameNode传递给DataNode

b)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

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。

11.下列哪个是Hadoop运行的模式：答案ABC

a)单机版

b)伪分布式

c)分布式

12.Cloudera提供哪几种安装CDH的方法?答案：ABCD

a)Clouderamanager

b)Tarball

c)Yum

d)Rpm

判断题：

13.Ganglia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套监控管理的系统。

14.BlockSize是不可以修改的。(错误)