Hadoop+HBase技術(shù)項目教程 課后習題答案

【課后練習答案】

項目1:

一、選擇題

l.A2.C3.D4.C5.A

二、判斷題

l.T2.T3.F4.F

三、簡答題

1.簡述大數(shù)據(jù)研究的意義。

研究大數(shù)據(jù)，最重要的意義是預(yù)測。因為數(shù)據(jù)從根本上講，是對過去和現(xiàn)在

的歸納和總結(jié)，其本身不具備趨勢和方向性的特征，但是我們可以應(yīng)用大數(shù)據(jù)去

了解事物發(fā)展的客觀規(guī)律、了解人類行為，并且能夠幫助我們改變過去的思維方

式，建立新的數(shù)據(jù)思維模型，從而對未來進行預(yù)測和推測。比如，商業(yè)公司對消

費者日常的購買行為和使用商品習慣進行匯總和分析，了解到消費者的需求，從

而改進己有商品并適時推出新的商品，消費者的購買欲將會提高。知名互聯(lián)網(wǎng)公

司谷歌對其用戶每天頻繁搜索的詞匯進行數(shù)據(jù)挖掘，從而進行相關(guān)的廣告推廣和

商業(yè)研究。

2.簡述Hadoop版本區(qū)別。

Hadoopl.0和2.0的主要區(qū)別:

1.新增yarn,1.0時mr的運行環(huán)境為JobTracker和TaskTracker,2.0

則取消了JobTracker和TaskTracker,使用yarn作為mr的資源調(diào)度調(diào)度器

2.解決了hadoopl.0中NN的單點故障，可以使用NN的Ha

3.Hadoop2.x默認的block大小是128MB,Hadoop1.x默認的block

大小是64MB

項目2：

一、選擇題

l.D2.D3.B4.C5.B6.B

二、判斷題

l.T2.F3.F4.F

三、問答題：

1.啟動Hadoop系統(tǒng)，當使用bin/start-all.sh命令啟動時，請給出集群

各進程啟動順序。

啟動順序：

namenode->datanode->secondarynamenode->resourcemanager->nodemanager

2.列出Hadoop的進程名，作用分別是什么？

Namenode進程：HDFS的守護進程，負責維護整個文件系統(tǒng)，存儲著整個文

件系統(tǒng)的元數(shù)據(jù)信息，有image+editlognamenode不會持久化存儲這些數(shù)據(jù)，

而是在啟動時重建這些數(shù)據(jù)。

Datanode進程：具體文件系統(tǒng)的工作節(jié)點，當我們需要某個數(shù)據(jù)，namenode

告訴我們?nèi)ツ睦镎遥椭苯雍湍莻€DataNode對應(yīng)的服務(wù)器的后臺進程進行通信，

由DataNode進行數(shù)據(jù)的檢索，然后進行具體的讀/寫操作

Secondarynamenode進程：一個冗余的守護進程，相當于一個namenode的

元數(shù)據(jù)的備份機制，定期的更新，和namenode進行通信，將namenode上的image

和edits進行合并，可以作為namenode的備份使用

Resourcemanager進程:yarn平臺的守護進程，負責所有資源的分配與調(diào)度，

client的請求由此負責，監(jiān)控nodemanager

nodemanager進程：單個節(jié)點的資源管理，執(zhí)行來自resourcemanager的具

體任務(wù)和命令

項目3：

一、選擇題

1.A2.C3.C4.D5.C

二、填空題

1.DataNode2.hdfsversion3.一次寫入，多次讀取4.DataNode

5.hadoopfs、hadoopdfs、hdfsdfs

三、問答題：

1.HDFS和傳統(tǒng)的分布式文件系統(tǒng)相比較，有哪些獨特的特性？

(1)分片冗余，本地校驗。傳統(tǒng)的分布式的文件系統(tǒng)會因為分布后的結(jié)構(gòu)不

完整，導(dǎo)致系統(tǒng)復(fù)雜度加大，并且引入的網(wǎng)絡(luò)編程，同樣導(dǎo)致分布式文件系統(tǒng)更

加復(fù)雜。而HDFS采用分片冗余，本地校驗的方法很好的解決了傳統(tǒng)分布式的文

件系統(tǒng)的這一問題。數(shù)據(jù)冗余式存儲，直接將多份的分片文件交給分片后的存儲

服務(wù)器去校驗。

(2)準確性高。冗余后的分片文件還有個額外功能，只要冗余的分片文件中

有一份是完整的,經(jīng)過多次協(xié)同調(diào)整后，其他分片文件也將完整。經(jīng)過協(xié)調(diào)校驗，

無論是傳輸錯誤，I/O錯誤，還是個別服務(wù)錯宕機，整個系統(tǒng)里的文件是完整的

(3)彈性好。傳統(tǒng)分布式文件系統(tǒng)有個無法回避的問題，因為文件不在一個

磁盤導(dǎo)致讀取訪問操作的延時，而現(xiàn)階段，HDFS的配置是按照高數(shù)據(jù)吞吐量優(yōu)

化的，可能會以高時間延時為代價。但萬幸的是，HDFS是具有很高彈性，可以

針對具體應(yīng)用再優(yōu)化。

(4)優(yōu)化的副本存放策略。HDFS采用一種稱為機架感知的策略來改進數(shù)據(jù)的

可靠性、可用性和網(wǎng)絡(luò)帶寬的利用率。

2.為什么HDFS的塊如此之大？

HDFS的塊比磁盤塊大，其目的是為了最小化尋址開銷。如果塊設(shè)置得足夠

大，從磁盤傳輸數(shù)據(jù)的時間可以明顯大于定位這個塊開始位置所需的時間。這樣,

傳輸一個由多個塊組成的文件的時間取決于磁盤傳輸速率。

我們來做一個速算，如果尋址時間為10ms左右，而傳輸速率為100MB/S,

為了使尋址時間僅占傳輸時間的1%,我們需要設(shè)置塊大小為100MB左右。而默

認的塊大小實際為64MB,但是很多情況下HDFS使用128MB的塊設(shè)置。以后隨著

新一代磁盤驅(qū)動器傳輸速率的提升，塊的大小將被設(shè)置得更大。

但是該參數(shù)也不會設(shè)置得過大。M卯Reduce中的map任務(wù)通常一次處理一個

塊中的數(shù)據(jù)，因此任務(wù)數(shù)太少(少于集群中的節(jié)點數(shù)量)，作業(yè)的運行速度就會

比較慢。

3.HDFS中數(shù)據(jù)副本的存放策略是什么？

副本一：同Client的節(jié)點上

副木二，不同機架中的節(jié)點上

副本三：同第二個副本的機架中的另一個節(jié)點上

其他副本：隨機挑選

項目4：

一、填空題：

Map；Reduce

Copy；Merge；Sort；Reduce；Write

Shuffle

二、判斷題：

1、正確2、錯誤3、正確

三、單選題：

1、A2、D3、B

四、簡答題

1.MapReduce的核心思想是什么？

MapReduce的核心思想就是“分而治之”。也就是說把一個復(fù)雜的問題，按

照一定的“分解”方法分為等價的規(guī)模較小的若干部分，然后逐個解決，分別找

出各個部分的結(jié)果，把各部分的結(jié)果組成整個問題的結(jié)果。

2.簡述MapReduce的執(zhí)行過程。

MapReduce存在以下4個獨立的實體。

(1)JobClient：運行于clientnode,負責將MapReduce程序打成Jar包

存儲到HDFS,并把Jar包的路徑提交到Jobtracker,由Jobtracker進行任務(wù)的

分配和監(jiān)控。

(2)JobTracker：運行于namenode,負責接收JobClient提交的Job,

調(diào)度Job的每一個子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。

(3)TaskTracker：運行于datanode,負責主動與JobTracker通信，接

收作業(yè)，并直接執(zhí)行每一個任務(wù)。

(4)HDFS：用來與其它實體間共享作業(yè)文件。

項目5：

一、填空題：

1.Combiner

2.分片；格式化數(shù)據(jù)源;執(zhí)行MapTask；執(zhí)行Shuffle過程;執(zhí)行ReduceTask；

寫入文件

3.將key均勻分布在ReduceTask上

二、判斷題：

1、正確2、正確3、錯誤

三、單選題：

1、B2、B3、C

四、簡答題

1.為什么要進行Combiner操作？

每一個map可能會產(chǎn)生大量的輸出，combiner的作用就是在map端對輸出

先做一次合并，以減少傳輸?shù)絩educer的數(shù)據(jù)量。

combiner最基本是實現(xiàn)本地key的歸并，combiner具有類似本地的reduce

功能。

如果不用combiner,那么，所有的結(jié)果都是reduce完成，效率會相對低下。

使用combiner,先完成的map會在本地聚合，提升速度。

2.MapReduce是如何進行Partitioner分區(qū)的？

定義一個Partitioner組件，需要繼承Partitioner類，并重寫

getPartition()方法。在重寫getPartition()方法時，通常的做法是使用hash

函數(shù)對文件數(shù)量進行分區(qū)，即通過hash操作，獲得一個非負整數(shù)的hash碼，然

后用當前作業(yè)的reduce節(jié)點數(shù)進行取模運算，從而實現(xiàn)數(shù)據(jù)均勻分布在

ReduceTask的目的。

項目6:

答案：本題為設(shè)計類題，設(shè)計答案不唯一,給出部分答案

1)按字段創(chuàng)建表vistor。

將數(shù)據(jù)源內(nèi)容存儲到集群中/usr/local/src/datas/user.txtr下。

創(chuàng)建表

hive>createdatabasevistorData;

hive>usevistorData;

hive>createtableifnotexistsvistor(useidint,name

string,umonthint,numint)

rowformatdelimitedfieldsterminatedby'\t'

storedastextfile

locationJ/usr/local/src/user，;

2)導(dǎo)入數(shù)據(jù)源到表中。

向普通表vistor中利用loaddata方式導(dǎo)入數(shù)據(jù)。

hive>loaddatalocalinpath*/usr/local/src/datas/user.txtJinto

tablevistor;

項目7：

以表7-5為例進行部分答案說明，本題為設(shè)計類題，設(shè)計答案不唯一

表7-5學生表(Student)

S_NoNameSexAge

2015001Zhangsanmale23

2015002Maryfemale22

2015003Lisimale24

1)要求用HBaseshell命令實現(xiàn)建表及數(shù)據(jù)的增/刪除/改操作。

過程：

轉(zhuǎn)換成HBase的邏輯表。

S_Nofl

namesexage

201500Zhangsanmale23

1

201500Maryfemale22

2

201500Lisimale24

3

用HBaseshell命令實現(xiàn)建表

hbase>create'student,,'fT

數(shù)據(jù)的增/刪除/改操作。

增加數(shù)據(jù)：

hbase>putstudent*,'201500T,'fl:name,,'Zhangsan'

hbase>putstudent','2015001','fl:dex',male'

hbase>putstudent','2015001','fl:age',‘23'

hbase>putstudent'2015002',，fl:name，,,Mary

hbase>putstudent'2015002','fl:dcx',*female'

hbase>putstudent'2015002','fl:age','22'

hbase>putstudent'2015003',,fl:name，,,Lisi

hbase>putstudent1,'2015003','fl:dex',,male

hbase>putstudent*,'2015003',，fl:age，,'24'

修改數(shù)據(jù)：將2015002的age值改為23

hbase>put'student','2015002,,'f1rage*,'23

刪除數(shù)據(jù)：將2015002的age值刪除

hbase>delete'student'2015002','fl:age'

2）要求用HBaseJavaAPI編程實現(xiàn)建表及數(shù)據(jù)的增/刪除/改操作。

大家查看前面教材中相關(guān)內(nèi)容，自行編寫相關(guān)代碼。

3)要求能用HBaseshell命令實現(xiàn)單條/多條記錄查詢。

單條記錄查詢

查詢student中2015002的age列的值。

hbase>get'student','rkOOl','2015002','fl:age,

利用ValueFilter屬性,查詢2015002中2015002行中值是23的數(shù)據(jù)。

hbase>get'student','2015002,,{FILTER

ValueFilter(=,Jbinary:23,)w)

多條記錄查詢

掃描整個表列族為fl的數(shù)據(jù)。

hbase>scan'student',{COLUMN=>'fl'}

倒序掃描整個表。

hbase>scan*student?,{