大數(shù)據(jù)面試題

1、單項(xiàng)選擇題1. 下面哪個(gè)程序負(fù)責(zé) HDFS 數(shù)據(jù)存儲(chǔ)。a) NameNodeb) Jobtrackerc) Datanoded) secondaryNameNodee) tasktracker2. 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(gè)程序通常與 NameNode 在一個(gè)節(jié)點(diǎn)啟動(dòng) ?a) SecondaryNameNodeb) DataNodec) TaskTrackerd) Jobtracker4. Hadoop 作者a) Martin Fowlerb) Kent Beckc) Doug cutting5. HDFS 默認(rèn)

2、Block Sizea) 32MBb) 64MBc) 128MB6. 下列哪項(xiàng)通常是集群的最主要瓶頸a) CPUb) 網(wǎng)絡(luò)c) 磁盤(pán)d) 內(nèi)存7. 關(guān)于 SecondaryNameNode 哪項(xiàng)是正確的 ?a) 它是 NameNode 的熱備b) 它對(duì)內(nèi)存沒(méi)有要求c) 它的目的是幫助 NameNode 合并編輯日志，減少 NameNode 啟動(dòng) 時(shí)間d) Seco ndaryNameNode 應(yīng)與 NameNode 部署到一個(gè)節(jié)點(diǎn)多選題8. 下列哪項(xiàng)可以作為集群的管理工具a) Puppetb) Pdshc) Cloudera Managerd) d)Zookeeper9. 配置機(jī)架感知的下面哪

3、項(xiàng)正確a) 如果一個(gè)機(jī)架出問(wèn)題，不會(huì)影響數(shù)據(jù)讀寫(xiě)b) 寫(xiě)入數(shù)據(jù)的時(shí)候會(huì)寫(xiě)到不同機(jī)架的 DataNode 中c) MapReduce 會(huì)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(shí)候下列哪項(xiàng)正確a) 數(shù)據(jù)經(jīng)過(guò) NameNode 傳遞給 DataNodeb) 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(tái) DataNode ，然后由 NameNode 負(fù)責(zé) Block 復(fù)制工作11. 下列哪個(gè)是 Hadoop 運(yùn)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) Cloude

4、ra managerb) Tar ballc) 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?yàn)樗惶峁?Hadoop 支持。 ( )16. 如果NameNode意外終止，SecondaryNameNode會(huì)接替它使集群繼 續(xù)工作。 ( )17. Cloudera CDH 是需要付費(fèi)使用的。 ( )18. Hadoop 是 Java 開(kāi)發(fā)的，所以 MapReduce 只支持 Java 語(yǔ)言編 寫(xiě)。( )19. Hadoop 支持?jǐn)?shù)據(jù)的隨機(jī)讀寫(xiě)

5、。 ( )20. NameNode 負(fù)責(zé)管理 metadata ， client 端每次讀寫(xiě)請(qǐng)求，它都會(huì)從 磁盤(pán)中讀取或則會(huì)寫(xiě)入 metadata 信息并反饋 client 端。( )21. NameNode 本地磁盤(pán)保存了 Block 的位置信息。 ( )22. DataNode 通過(guò)長(zhǎng)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(yùn)行。 ( )24. Slave 節(jié)點(diǎn)要存儲(chǔ)數(shù)據(jù)，所以它的磁盤(pán)越大越好。 ( )25. hadoop dfsadmin- report 命令用于檢測(cè) HDFS 損壞塊。()26. Hadoop 默認(rèn)調(diào)度器策

6、略為 FIFO( )27. 集群內(nèi)每個(gè)節(jié)點(diǎn)都應(yīng)該配 RAID，這樣避免單磁盤(pán)損壞，影響整個(gè)節(jié) 點(diǎn)運(yùn)行。 ( )28. 因?yàn)?HDFS 有多個(gè)副本，所以 NameNode 是不存在單點(diǎn)問(wèn)題的。 ( )29. 每個(gè) map 槽就是一個(gè)線程。 ( )30. Mapreduce 的 input split 就是一個(gè) block 。 ( )31. NameNode 的 Web UI 端口是 50030 ，它通過(guò) jetty 啟動(dòng)的 Web 服 務(wù)。( )32. Hadoop環(huán)境變量中的 HADOOP_HEAPSIZ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. DataNo

7、de 首次加入 cluster 的時(shí)候，如果 log 中報(bào)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(pán)。 ( )別走開(kāi)，答案在后面哦 !答案單選題1. 下面哪個(gè)程序負(fù)責(zé) HDFS 數(shù)據(jù)存儲(chǔ)。答案 C datanodea) NameNodeb) Jobtrackerc) Datanoded) secondaryNameNodee) tasktracker2. 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(gè)程序通常與 NameNode 在一個(gè)節(jié)點(diǎn)啟動(dòng) ?答案

8、 Da) SecondaryNameNodeb) DataNodec) TaskTrackerd) Jobtracker此題分析：hadoop 的集群是基于 master/slave 模式，n ame no de和 jobtracker 屬于 master ， datanode 和 tasktracker 屬于 slave ， master 只有一個(gè)，而 slave 有多個(gè)SecondaryNameNode存需求和NameNode個(gè)數(shù)量級(jí)上，所以通常 secondary NameNode(運(yùn)行在單獨(dú)的物理機(jī)器上)和NameNode運(yùn)行在不同的機(jī) 器上。JobTracker 和 TaskTrac

9、kerJobTracker 對(duì)應(yīng)于 NameNodeTaskTracker 對(duì)應(yīng)于 DataNodeDataNode和NameNode是針對(duì)數(shù)據(jù)存放來(lái)而言的JobTracker 和 TaskTracker 是對(duì)于 MapReduce執(zhí)行而言的mapreduce 中幾個(gè)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(huì)在用戶端通過(guò) JobClient 類將應(yīng)用已經(jīng)配置參數(shù)打包成 jar 文件存儲(chǔ)到 hdfs ，并把路徑提交到 Jobtracker, 然后由 JobTracker 創(chuàng)

10、建 每一個(gè)Task(即MapTask和ReduceTask)并將它們分發(fā)到各個(gè) TaskTracker服 務(wù)中去執(zhí)行。2、JobTracker 是一個(gè) master 服務(wù)，軟件啟動(dòng)之后 JobTracker 接收 Job，負(fù)責(zé)調(diào)度Job的每一個(gè)子任務(wù)task運(yùn)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(yùn)行它。一般情況應(yīng)該把 JobTracker 部 署在單獨(dú)的機(jī)器上。3、TaskTracker 是運(yùn)行在多個(gè)節(jié)點(diǎn)上的 slaver 服務(wù)。 TaskTracker 主動(dòng) 與 JobTracker 通信，接收作業(yè)，并負(fù)責(zé)直接執(zhí)行每一個(gè)任務(wù)。 TaskTracker

11、 都需要運(yùn)行在 HDFS的DataNode上。4. Hadoop 作者 答案 C Doug cuttinga) Martin Fowlerb) Kent Beckc) Doug cutting5. HDFS 默認(rèn) Block Size 答案：Ba) 32MBb) 64MBc) 128MB (因?yàn)榘姹靖鼡Q較快，這里答案只供參考6. 下列哪項(xiàng)通常是集群的最主要瓶頸：答案： C磁盤(pán)a) CPUb) 網(wǎng)絡(luò)c) 磁盤(pán) IOd) 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(jià)的 機(jī)。小型機(jī)和大型機(jī)有什么特點(diǎn) ?1. cpu 處理能力強(qiáng)2. 內(nèi)存夠大所以集群的瓶頸不可能是 a和d3. 網(wǎng)絡(luò)是一種稀缺資源

12、，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(xiě)數(shù)據(jù)都需要hadoop 般備3份數(shù)據(jù)，所以10就會(huì)打折扣。pc 機(jī)，取代小型機(jī)及大型io ，然后還要冗余數(shù)據(jù)，7. 關(guān)于 SecondaryNameNode 哪項(xiàng)是正確的 ?答案 Ca) 它是 NameNode 的熱備b) 它對(duì)內(nèi)存沒(méi)有要求時(shí)間d) Seco ndaryNameNode 應(yīng)與 NameNode 部署到一個(gè)節(jié)點(diǎn)。多選題8. 下列哪項(xiàng)可以作為集群的管理 ?答案： ABDa) Puppetb) Pdshc) Cloudera Managerd) Zookeeper9. 配置機(jī)架感知的下面哪項(xiàng)正確：答案 ABCa) 如果一個(gè)機(jī)架出問(wèn)題

13、，不會(huì)影響數(shù)據(jù)讀寫(xiě)b) 寫(xiě)入數(shù)據(jù)的時(shí)候會(huì)寫(xiě)到不同機(jī)架的 DataNode 中c) MapReduce 會(huì)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(shí)候下列哪項(xiàng)正確 ?答案 Ba) 數(shù)據(jù)經(jīng)過(guò) NameNode 傳遞給 DataNodeb) 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(tái) DataNode ，然后由 NameNode 負(fù)責(zé)Block 復(fù)制工作該題分析：Client向NameNod發(fā)起文件寫(xiě)入的請(qǐng)求。NameNode艮據(jù)文件大小和文件塊配置情況，返回給Clie nt它所管理部分DataNode的信息。Client將文件劃

14、分為多個(gè)Block，根據(jù)DataNode的地址信息，按順序?qū)?入到每一個(gè)DataNode塊中。11. 下列哪個(gè)是 Hadoop 運(yùn)行的模式：答案 ABCa) 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：ABCDa) Cloudera managerb) Tarballc) Yumd) 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(lái)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(zhǎng)的的是從節(jié)點(diǎn)中 按照用戶的需求以較低的代

15、價(jià)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(zhǎng)。最新的 ganglia 已經(jīng)有了部分這方面的功能。但是 更擅長(zhǎng)做警告的還有 Nagios。Nagios，就是一款精于預(yù)警、通知的軟件。通過(guò)將 Ganglia 和 Nagios 組合起來(lái)，把 Ganglia 采集的數(shù)據(jù)作為 Nagios 的數(shù) 據(jù)源，然后利用 Nagios 來(lái)發(fā)送預(yù)警通知，可以完美的實(shí)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(cuò)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

16、一個(gè) Job 的時(shí)候會(huì)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(gè)文件初始的時(shí)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(jí)配置。15. Nagios 不可以監(jiān)控 Hadoop 集群，因?yàn)樗惶峁?Hadoop 支持。 （ 錯(cuò)誤 ）分析： Nagios 是集群監(jiān)控工具，而且是云計(jì)算三大利器之一16. 如果NameNode意外終止，SecondaryNameNode會(huì)接替它使集群繼 續(xù)工作。 （錯(cuò)誤 ）

17、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(fèi)使用的。 （錯(cuò)誤 ） 分析：第一套付費(fèi)產(chǎn)品是 Cloudera Enterpris ， Cloudera Enterprise在美國(guó)加州舉行的 Hadoop 大會(huì) （Hadoop Summit） 上公開(kāi)，以若干私有管理、監(jiān)控、運(yùn)作工具加強(qiáng) Hadoop 的功能。收費(fèi)采取合約訂購(gòu)方式，價(jià)格隨 用的 Hadoop 叢集大小變動(dòng)。18. Hadoop 是 Java 開(kāi)發(fā)的，所以 MapReduce 只支持 Java 語(yǔ)言編 寫(xiě)。（錯(cuò)誤 ）分析：rhadoop是用R語(yǔ)言開(kāi)發(fā)的，

18、MapReduce是一個(gè)框架，可以理解是 一種思想，可以使用其他語(yǔ)言開(kāi)發(fā)。19. Hadoop 支持?jǐn)?shù)據(jù)的隨機(jī)讀寫(xiě)。 （錯(cuò) ）分析：lucene是支持隨機(jī)讀寫(xiě)的，而hdfs只支持隨機(jī)讀。但是 HBase可 以來(lái)補(bǔ)救。HBase提供隨機(jī)讀寫(xiě)，來(lái)解決 Hadoop不能處理的問(wèn)題。HBase自 底層設(shè)計(jì)開(kāi)始即聚焦于各種可伸縮性問(wèn)題：表可以很“高”，有數(shù)十億個(gè)數(shù) 據(jù)行; 也可以很“寬”，有數(shù)百萬(wàn)個(gè)列 ; 水平分區(qū)并在上千個(gè)普通商用機(jī)節(jié)點(diǎn) 上自動(dòng)復(fù)制。表的模式是物理存儲(chǔ)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(chǔ)和檢索。20. NameNode 負(fù)責(zé)管理 metadata ， client

19、 端每次讀寫(xiě)請(qǐng)求，它都會(huì)從 磁盤(pán)中讀取或則會(huì)寫(xiě)入 metadata 信息并反饋 client 端。 （ 錯(cuò)誤）此題分析：NameNode不需要從磁盤(pán)讀取 metadata，所有數(shù)據(jù)都在內(nèi)存中，硬盤(pán)上 的只是序列化的結(jié)果，只有每次 namenode 啟動(dòng)的時(shí)候才會(huì)讀取。1） 文件寫(xiě)入Client向NameNode起文件寫(xiě)入的請(qǐng)求。DataNode的信息。Client將文件劃分為多個(gè)Block，根據(jù)DataNode的地址信息，按順序?qū)?入到每一個(gè)DataNode塊中。2）文件讀取Client向NameNod發(fā)起文件讀取的請(qǐng)求。21. NameNode 本地磁盤(pán)保存了 Block 的位置信息。 （

20、個(gè)人認(rèn)為 正 確 ，歡迎提出其它意見(jiàn) ）分析： DataNode 是文件存儲(chǔ)的基本單元，它將 Block 存儲(chǔ)在本地文件系 統(tǒng)中，保存了 Block 的 Meta-data ，同時(shí)周期性地將所有存在的 Block 信息發(fā) 送給NameNod。NameNode返回文件存儲(chǔ)的 DataNode的信息。Client 讀取文 件信息。22. DataNode 通過(guò)長(zhǎng)連接與 NameNode保持通信。（） 這個(gè)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(zhǎng)連接 Client 方與 Server 方先建立通訊連接，連接建立后不斷 開(kāi)，然后再進(jìn)行報(bào)文發(fā)送和接收。這種

21、方式下由于通訊連接一直存在，此種 方式常用于點(diǎn)對(duì)點(diǎn)通訊。（2）. 短連接 Client 方與 Server 每進(jìn)行一次報(bào)文收發(fā)交易時(shí)才進(jìn)行通訊 連接，交易完畢后立即斷開(kāi)連接。此種方式常用于一點(diǎn)對(duì)多點(diǎn)通訊，比如多個(gè) Client 連接一個(gè) 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(yùn)行。（ 錯(cuò)誤 ）hadoop 只能阻止好人犯錯(cuò)，但是不能阻止壞人干壞事24. Slave 節(jié)點(diǎn)要存儲(chǔ)數(shù)據(jù)，所以它的磁盤(pán)越大越好。 （ 錯(cuò)誤）分析：一旦 Slave 節(jié)點(diǎn)宕機(jī)，數(shù)據(jù)恢復(fù)是一個(gè)難題25. hadoop dfsadmin - report 命令用于檢測(cè) HDFS損壞塊。（錯(cuò)誤）26. Hadoop 默認(rèn)調(diào)度器策略為 FIFO（ 正確 ）27. 集群內(nèi)每個(gè)節(jié)點(diǎn)都應(yīng)該配 RAID，這樣避免單磁盤(pán)損壞，影響整個(gè)節(jié) 點(diǎn)運(yùn)行。 （ 錯(cuò)誤 ）分析：首先明白什么是RAID,可以參考百科磁盤(pán)陣列。這句話錯(cuò)誤的地方在于太絕對(duì)，具體情況具體分析。題目不是重點(diǎn)，知識(shí)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?chē)?yán)格不需要都配