大數(shù)據(jù)技術(shù)Hadoop面試題

時間：2022-10-22 03:11:15 面試試題我要投稿

相關(guān)推薦

　　單項選擇題

大數(shù)據(jù)技術(shù)Hadoop面試題

　　1. 下面哪個程序負(fù)責(zé) HDFS 數(shù)據(jù)存儲。

　　a)NameNode

　　b)Jobtracker

　　c)Datanode

　　d)secondaryNameNode

　　e)tasktracker

　　2. HDfS 中的 block 默認(rèn)保存幾份?

　　a)3 份

　　b)2 份

　　c)1 份

　　d)不確定

　　3. 下列哪個程序通常與 NameNode 在一個節(jié)點啟動?

　　a)SecondaryNameNode

　　b)DataNode

　　c)TaskTracker

　　d)Jobtracker

　　4. Hadoop 作者

　　a)Martin Fowler

　　b)Kent Beck

　　c)Doug cutting

　　5. HDFS 默認(rèn) Block Size

　　a)32MB

　　b)64MB

　　c)128MB

　　6. 下列哪項通常是集群的最主要瓶頸

　　a)CPU

　　b)網(wǎng)絡(luò)

　　c)磁盤

　　d)內(nèi)存

　　7. 關(guān)于 SecondaryNameNode 哪項是正確的?

　　a)它是 NameNode 的熱備

　　b)它對內(nèi)存沒有要求

　　c)它的目的是幫助 NameNode 合并編輯日志，減少 NameNode 啟動時間

　　d)SecondaryNameNode 應(yīng)與 NameNode 部署到一個節(jié)點

　　多選題

　　8. 下列哪項可以作為集群的管理工具

　　a)Puppet

　　b)Pdsh

　　c)Cloudera Manager

　　d)d)Zookeeper

　　9. 配置機(jī)架感知的下面哪項正確

　　a)如果一個機(jī)架出問題，不會影響數(shù)據(jù)讀寫

　　b)寫入數(shù)據(jù)的時候會寫到不同機(jī)架的 DataNode 中

　　c)MapReduce 會根據(jù)機(jī)架獲取離自己比較近的網(wǎng)絡(luò)數(shù)據(jù)

　　10. Client 端上傳文件的時候下列哪項正確

　　a)數(shù)據(jù)經(jīng)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(shù)據(jù)到一臺 DataNode，然后由 NameNode 負(fù)責(zé) Block 復(fù)制工作

　　11. 下列哪個是 Hadoop 運行的模式

　　a)單機(jī)版

　　b)偽分布式

　　c)分布式

　　12. Cloudera 提供哪幾種安裝 CDH 的方法

　　a)Cloudera manager

　　b)Tar ball

　　c)Yum d)Rpm

　　判斷題

　　13. Ganglia 不僅可以進(jìn)行監(jiān)控，也可以進(jìn)行告警。( )

　　14. Block Size 是不可以修改的。( )

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

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

　　17. Cloudera CDH 是需要付費使用的。( )

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

　　19. Hadoop 支持?jǐn)?shù)據(jù)的隨機(jī)讀寫。( )

　　20. NameNode 負(fù)責(zé)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 信息并反饋 client 端。( )

　　21. NameNode 本地磁盤保存了 Block 的位置信息。( )

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

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

　　24. Slave 節(jié)點要存儲數(shù)據(jù)，所以它的磁盤越大越好。( )

　　25. hadoop dfsadmin –report 命令用于檢測 HDFS 損壞塊。( )

　　26. Hadoop 默認(rèn)調(diào)度器策略為 FIFO( )

　　27. 集群內(nèi)每個節(jié)點都應(yīng)該配 RAID，這樣避免單磁盤損壞，影響整個節(jié)點運行。( )

　　28. 因為 HDFS 有多個副本，所以 NameNode 是不存在單點問題的。( )

　　29. 每個 map 槽就是一個線程。( )

　　30. Mapreduce 的 input split 就是一個 block。( )

　　31. NameNode 的 Web UI 端口是 50030，它通過 jetty 啟動的 Web 服務(wù)。( )

　　32. Hadoop 環(huán)境變量中的 HADOOP_HEAPSIZE 用于設(shè)置所有 Hadoop 守護(hù)線程的內(nèi)存。它默認(rèn)是 200 GB。( )

　　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(zhí)行“Hadoop namenode -format”操作格式化磁盤。( )

　　別走開，答案在后面哦!

　　1. 下面哪個程序負(fù)責(zé) HDFS 數(shù)據(jù)存儲。答案C datanode

　　a)NameNode

　　b)Jobtracker

　　c)Datanode

　　d)secondaryNameNode

　　e)tasktracker

　　2. HDfS 中的 block 默認(rèn)保存幾份? 答案A默認(rèn)3分

　　a)3 份

　　b)2 份

　　c)1 份

　　d)不確定

　　3. 下列哪個程序通常與 NameNode 在一個節(jié)點啟動?答案D

　　a)SecondaryNameNode

　　b)DataNode

　　c)TaskTracker

　　d)Jobtracker

　　此題分析：

　　hadoop的集群是基于master/slave模式，namenode和jobtracker屬于master，datanode和tasktracker屬于slave，master只有一個，而slave有多個SecondaryNameNode內(nèi)存需求和NameNode在一個數(shù)量級上，所以通常secondary NameNode(運行在單獨的物理機(jī)器上)和NameNode運行在不同的機(jī)器上。

　　JobTracker和TaskTracker

　　JobTracker 對應(yīng)于 NameNode

　　TaskTracker 對應(yīng)于 DataNode

　　DataNode 和NameNode 是針對數(shù)據(jù)存放來而言的

　　JobTracker和TaskTracker是對于MapReduce執(zhí)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(zhí)行線索：obclient，JobTracker與TaskTracker。

　　1、JobClient會在用戶端通過JobClient類將應(yīng)用已經(jīng)配置參數(shù)打包成jar文件存儲到hdfs，并把路徑提交到Jobtracker,然后由JobTracker創(chuàng)建每一個Task(即MapTask和ReduceTask)并將它們分發(fā)到各個TaskTracker服務(wù)中去執(zhí)行。

　　2、JobTracker是一個master服務(wù)，軟件啟動之后JobTracker接收J(rèn)ob，負(fù)責(zé)調(diào)度Job的每一個子任務(wù)task運行于TaskTracker上，并監(jiān)控它們，如果發(fā)現(xiàn)有失敗的task就重新運行它。一般情況應(yīng)該把JobTracker部署在單獨的機(jī)器上。

　　3、TaskTracker是運行在多個節(jié)點上的slaver服務(wù)。TaskTracker主動與JobTracker通信，接收作業(yè)，并負(fù)責(zé)直接執(zhí)行每一個任務(wù)。TaskTracker都需要運行在HDFS的DataNode上。

　　4. Hadoop 作者答案C Doug cutting

　　a)Martin Fowler

　　b)Kent Beck

　　c)Doug cutting

　　5. HDFS 默認(rèn) Block Size 答案：B

　　a)32MB

　　b)64MB

　　c)128MB

　　(因為版本更換較快，這里答案只供參考)

　　6. 下列哪項通常是集群的最主要瓶頸：答案：C磁盤

　　a)CPU

　　b)網(wǎng)絡(luò)

　　c)磁盤IO

　　d)內(nèi)存

　　該題解析：

　　首先集群的目的是為了節(jié)省成本，用廉價的pc機(jī)，取代小型機(jī)及大型機(jī)。小型機(jī)和大型機(jī)有什么特點?

　　1.cpu處理能力強

　　2.內(nèi)存夠大

　　所以集群的瓶頸不可能是a和d

　　3.網(wǎng)絡(luò)是一種稀缺資源，但是并不是瓶頸。

　　4.由于大數(shù)據(jù)面臨海量數(shù)據(jù)，讀寫數(shù)據(jù)都需要io，然后還要冗余數(shù)據(jù)，hadoop一般備3份數(shù)據(jù)，所以IO就會打折扣。

　　7. 關(guān)于 SecondaryNameNode 哪項是正確的?答案C

　　a)它是 NameNode 的熱備

　　b)它對內(nèi)存沒有要求

　　c)它的目的是幫助 NameNode 合并編輯日志，減少 NameNode 啟動時間

　　d)SecondaryNameNode 應(yīng)與 NameNode 部署到一個節(jié)點。

　　多選題：

　　8. 下列哪項可以作為集群的管理?答案：ABD

　　a)Puppet

　　b)Pdsh

　　c)Cloudera Manager

　　d)Zookeeper

　　9. 配置機(jī)架感知的下面哪項正確：答案ABC

　　a)如果一個機(jī)架出問題，不會影響數(shù)據(jù)讀寫

　　b)寫入數(shù)據(jù)的時候會寫到不同機(jī)架的 DataNode 中

　　c)MapReduce 會根據(jù)機(jī)架獲取離自己比較近的網(wǎng)絡(luò)數(shù)據(jù)

　　10. Client 端上傳文件的時候下列哪項正確?答案B

　　a)數(shù)據(jù)經(jīng)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(shù)據(jù)到一臺 DataNode，然后由 NameNode 負(fù)責(zé) Block 復(fù)制工作

　　該題分析：

　　Client向NameNode發(fā)起文件寫入的請求。

　　NameNode根據(jù)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將文件劃分為多個Block，根據(jù)DataNode的地址信息，按順序?qū)懭氲矫恳粋€DataNode塊中。

　　11. 下列哪個是 Hadoop 運行的模式：答案ABC

　　a)單機(jī)版

　　b)偽分布式

　　c)分布式

　　12. Cloudera 提供哪幾種安裝 CDH 的方法?答案：ABCD

　　a)Cloudera manager

　　b)Tarball

　　c)Yum

　　d)Rpm

　　判斷題：

　　13. Ganglia 不僅可以進(jìn)行監(jiān)控，也可以進(jìn)行告警。( 正確)

　　分析：此題的目的是考Ganglia的了解。嚴(yán)格意義上來講是正確。ganglia作為一款最常用的Linux環(huán)境中的監(jiān)控軟件，它擅長的的是從節(jié)點中按照用戶的需求以較低的代價采集數(shù)據(jù)。但是ganglia在預(yù)警以及發(fā)生事件后通知用戶上并不擅長。最新的ganglia已經(jīng)有了部分這方面的功能。但是更擅長做警告的還有Nagios。Nagios，就是一款精于預(yù)警、通知的軟件。通過將Ganglia和Nagios組合起來，把Ganglia采集的數(shù)據(jù)作為Nagios的數(shù)據(jù)源，然后利用Nagios來發(fā)送預(yù)警通知，可以完美的實現(xiàn)一整套監(jiān)控管理的系統(tǒng)。

　　14. Block Size 是不可以修改的。(錯誤 )

　　分析：它是可以被修改的Hadoop的基礎(chǔ)配置文件是hadoop-default.xml，默認(rèn)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(tǒng)級配置。

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

　　分析：Nagios是集群監(jiān)控工具，而且是云計算三大利器之一

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

　　分析：SecondaryNameNode是幫助恢復(fù)，而不是替代，如何恢復(fù)，可以查看

　　17. Cloudera CDH 是需要付費使用的。(錯誤 )

　　分析：第一套付費產(chǎn)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(jiān)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(fā)的，所以 MapReduce 只支持 Java 語言編寫。(錯誤 )

　　分析：rhadoop是用R語言開發(fā)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(fā)。

　　19. Hadoop 支持?jǐn)?shù)據(jù)的隨機(jī)讀寫。(錯 )

　　分析：lucene是支持隨機(jī)讀寫的，而hdfs只支持隨機(jī)讀。但是HBase可以來補救。HBase提供隨機(jī)讀寫，來解決Hadoop不能處理的問題。HBase自底層設(shè)計開始即聚焦于各種可伸縮性問題：表可以很“高”，有數(shù)十億個數(shù)據(jù)行;也可以很“寬”，有數(shù)百萬個列;水平分區(qū)并在上千個普通商用機(jī)節(jié)點上自動復(fù)制。表的模式是物理存儲的直接反映，使系統(tǒng)有可能提高高效的數(shù)據(jù)結(jié)構(gòu)的序列化、存儲和檢索。

　　20. NameNode 負(fù)責(zé)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 信息并反饋 client 端。(錯誤)

　　此題分析：

　　NameNode 不需要從磁盤讀取 metadata，所有數(shù)據(jù)都在內(nèi)存中，硬盤上的只是序列化的結(jié)果，只有每次 namenode 啟動的時候才會讀取。

　　1)文件寫入

　　Client向NameNode發(fā)起文件寫入的請求。

　　NameNode根據(jù)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將文件劃分為多個Block，根據(jù)DataNode的地址信息，按順序?qū)懭氲矫恳粋€DataNode塊中。

　　2)文件讀取

　　Client向NameNode發(fā)起文件讀取的請求。

　　21. NameNode 本地磁盤保存了 Block 的位置信息。( 個人認(rèn)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(tǒng)中，保存了Block的Meta-data，同時周期性地將所有存在的Block信息發(fā)送給NameNode。NameNode返回文件存儲的DataNode的信息。

　　Client讀取文件信息。

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

　　這個有分歧：具體正在找這方面的有利資料。下面提供資料可參考。

　　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(jìn)行報文發(fā)送和接收。這種方式下由于通訊連接一直存在，此種方式常用于點對點通訊。

　　(2).短連接

　　Client方與Server每進(jìn)行一次報文收發(fā)交易時才進(jìn)行通訊連接，交易完畢后立即斷開連接。此種方式常用于一點對多點通訊，比如多個Client連接一個Server.

　　23. Hadoop 自身具有嚴(yán)格的權(quán)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

　　24. Slave 節(jié)點要存儲數(shù)據(jù)，所以它的磁盤越大越好。( 錯誤)

　　分析：一旦Slave節(jié)點宕機(jī)，數(shù)據(jù)恢復(fù)是一個難題

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

　　26. Hadoop 默認(rèn)調(diào)度器策略為 FIFO(正確 )

　　27. 集群內(nèi)每個節(jié)點都應(yīng)該配 RAID，這樣避免單磁盤損壞，影響整個節(jié)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于太絕對，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(yán)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 )

　　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 slotmap slot 只是一個邏輯值 ( org.apache.hadoop.mapred.TaskTracker.TaskLauncher.numFreeSlots )，而不是對應(yīng)著一個線程或者進(jìn)程

　　30. Mapreduce 的 input split 就是一個 block。(錯誤 )

　　31. NameNode 的 Web UI 端口是 50030，它通過 jetty 啟動的 Web 服務(wù)。(錯誤 )

　　32. Hadoop 環(huán)境變量中的 HADOOP_HEAPSIZE 用于設(shè)置所有 Hadoop 守護(hù)線程的內(nèi)存。它默認(rèn)是 200 GB。( 錯誤)

　　hadoop為各個守護(hù)進(jìn)程(namenode,secondarynamenode,jobtracker,datanode,tasktracker)統(tǒng)一分配的內(nèi)存在hadoop-env.sh中設(shè)置，參數(shù)為HADOOP_HEAPSIZE，默認(rèn)為1000M。

　　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(zhí)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(biāo)識符ClusterID用于標(biāo)識集群中所有的節(jié)點。當(dāng)格式化一個Namenode，需要提供這個標(biāo)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。

　　二次整理

　　有的同學(xué)問題的重點不是上面分析內(nèi)容：內(nèi)容如下：

　　這個報錯是說明 DataNode 所裝的Hadoop版本和其它節(jié)點不一致，應(yīng)該檢查DataNode的Hadoop版本

【大數(shù)據(jù)技術(shù)Hadoop面試題】相關(guān)文章：

Hadoop面試題目及答案07-26

Oracle數(shù)據(jù)庫DBA經(jīng)典面試題02-02

數(shù)據(jù)庫常見面試題07-28