Hadoop 面試題,看看書找答案，看看你能答對多少(2)

http://www.cnblogs.com/yunkaifa/p/3538154.html  

布衣神帝

1. 下面哪個程式負責 HDFS 資料儲存。
a)NameNode  b)Jobtracker  c)Datanode d)secondaryNameNode e)tasktracker

答案C datanode

2. HDfS 中的 block 預設儲存幾份？
a)3 份 b)2 份c)1 份d)不確定

答案A預設3分

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

答案D
分析：
hadoop的叢集是基於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記憶體需求和NameNode在一個數量級上，所以通常secondary NameNode（執行在單獨的物理機器上）和NameNode執行在不同的機器上。
JobTracker和TaskTracker
JobTracker  對應於 NameNode
TaskTracker 對應於 DataNode
DataNode 和NameNode 是針對資料存放來而言的
JobTracker和TaskTracker是對於MapReduce執行而言的

mapreduce中幾個主要概念，mapreduce整體上可以分為這麼幾條執行線索：
jobclient，JobTracker與TaskTracker。
1、JobClient會在使用者端通過JobClient類將應用已經配置引數打包成jar檔案儲存到hdfs，
並把路徑提交到Jobtracker,然後由JobTracker建立每一個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，軟體啟動之後JobTracker接收Job，負責排程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就重新執行它。一般情況應該把JobTracker部署在單獨的機器上。
3、TaskTracker是執行在多個節點上的slaver服務。TaskTracker主動與JobTracker通訊，接收作業，並負責直接執行每一個任務。
TaskTracker都需要執行在HDFS的DataNode上




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

答案C Doug cutting 


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

答案：B


6. 下列哪項通常是叢集的最主要瓶頸
a)CPU   b)網路 c)磁碟IO  d)記憶體

答案：C磁碟
首先叢集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麼特點？

1.cpu處理能力強
2.記憶體夠大
所以叢集的瓶頸不可能是a和d
3.如果是網際網路有瓶頸，可以讓叢集搭建內網。每次寫入資料都要通過網路（叢集是內網），然後還要寫入3份資料，所以IO就會打折扣。
同樣可以參考下面帖子的實際案例
叢集瓶頸為什麼磁碟io



7. 關於 SecondaryNameNode 哪項是正確的？
a)它是 NameNode 的熱備     b)它對記憶體沒有要求
c)它的目的是幫助 NameNode 合併編輯日誌，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. 下列哪項可以作為叢集的管理？
a)Puppet b)Pdsh c)Cloudera Manager d)Zookeeper

答案ABD
具體可檢視
什麼是Zookeeper，Zookeeper的作用是什麼，在Hadoop及hbase中具體作用是什麼

9. 配置機架感知的下面哪項正確
a)如果一個機架出問題，不會影響資料讀寫
b)寫入資料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路資料

答案ABC
具體可以參考
hadoop機架感知--加強叢集穩固性，該如何配置hadoop機架感知


10. Client 端上傳檔案的時候下列哪項正確
a)資料經過 NameNode 傳遞給 DataNode
b)Client 端將檔案切分為 Block，依次上傳
c)Client 只上傳資料到一臺 DataNode，然後由 NameNode 負責 Block 複製工作
答案B
分析：
Client向NameNode發起檔案寫入的請求。

NameNode根據檔案大小和檔案塊配置情況，返回給Client它所管理部分DataNode的資訊。

Client將檔案劃分為多個Block，根據DataNode的地址資訊，按順序寫入到每一個DataNode塊中。
具體檢視
HDFS體系結構簡介及優缺點


11. 下列哪個是 Hadoop 執行的模式
a)單機版 b)偽分散式 c)分散式

答案ABC
單機版,偽分散式只是學習用的。


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例項指導

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的瞭解。嚴格意義上來講是正確。

ganglia作為一款最常用的Linux環境中的監控軟體，它擅長的的是從節點中按照使用者的需求以較低的代價採集資料。但是ganglia在預警以及發生事件後通知使用者上並不擅長。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、通知的軟體。通過將Ganglia和Nagios組合起來，把Ganglia採集的資料作為Nagios的資料來源，然後利用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。
具體可以檢視
完美叢集監控組合ganglia和nagios

14. Block Size 是不可以修改的。（錯誤 ）
它是可以被修改的

Hadoop的基礎配置檔案是hadoop-default.xml，預設建立一個Job的時候會建立Job的Config，Config首先讀入hadoop-default.xml的配置，然後再讀入hadoop-site.xml的配置（這個檔案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，單位位元組，後面會提到用處，必須是512的倍數，因為採用crc作檔案完整性校驗，預設配置512是checksum的最小單元。
3.   <value>5120000</value>
4.   <description>The default block size for new files.</description>
5. </property>

複製程式碼

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

分析：
Nagios是叢集監控工具，而且是雲端計算三大利器之一

16. 如果 NameNode 意外終止，SecondaryNameNode 會接替它使叢集繼續工作。（錯誤 ）

分析：
SecondaryNameNode是幫助恢復，而不是替代，如何恢復，可以檢視
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。收費採取合約訂購方式，價格隨用的 Hadoop 叢集大小變動。

18. Hadoop 是 Java 開發的，所以 MapReduce 只支援 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。
具體可以檢視
Hadoop簡介(1):什麼是Map/Reduce


19. Hadoop 支援資料的隨機讀寫。（錯 ）

分析：
lucene是支援隨機讀寫的，而hdfs只支援隨機讀。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”，有數十億個資料行；也可以很“寬”，有數百萬個列；水平分割槽並在上千個普通商用機節點上自動複製。表的模式是物理儲存的直接反映，使系統有可能提高高效的資料結構的序列化、儲存和檢索。


20. NameNode 負責管理 metadata，client 端每次讀寫請求，它都會從磁碟中讀取或則會寫入 metadata 資訊並反饋 client 端。（個人認為正確，歡迎提出其它意見 ）分析：
1）檔案寫入
    Client向NameNode發起檔案寫入的請求。
    NameNode根據檔案大小和檔案塊配置情況，返回給Client它所管理部分DataNode的資訊。
    Client將檔案劃分為多個Block，根據DataNode的地址資訊，按順序寫入到每一個DataNode塊中。

2）檔案讀取
    Client向NameNode發起檔案讀取的請求。
    NameNode返回檔案儲存的DataNode的資訊。
    Client讀取檔案資訊。

具體檢視
hadoop中NameNode、DataNode和Client三者之間協作關係

21. NameNode 本地磁碟儲存了 Block 的位置資訊。（ 個人認為正確，歡迎提出其它意見）

分析：
DataNode是檔案儲存的基本單元，它將Block儲存在本地檔案系統中，儲存了Block的Meta-data，同時週期性地將所有存在的Block資訊傳送給NameNode。

具體同樣檢視
hadoop中NameNode、DataNode和Client三者之間協作關係

22. DataNode 通過長連線與 NameNode 保持通訊。（錯誤 ）

首先明確一下概念：

（1）.長連線
Client方與Server方先建立通訊連線，連線建立後不斷開，
然後再進行報文傳送和接收。這種方式下由於通訊連線一直
存在，此種方式常用於點對點通訊。

（2）.短連線
Client方與Server每進行一次報文收發交易時才進行通訊連
接，交易完畢後立即斷開連線。此種方式常用於一點對多點
通訊，比如多個Client連線一個Server.




23. Hadoop 自身具有嚴格的許可權管理和安全措施保障叢集正常執行。（錯誤 ）

hadoop只能阻止好人犯錯，但是不能阻止壞人幹壞事
具體可檢視
hadoop安全性需不斷加強


24. Slave 節點要儲存資料，所以它的磁碟越大越好。（ 錯誤）

分析：
一旦Slave節點宕機，資料恢復是一個難題

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，以及每個節點的硬碟使用情況。

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指令碼監控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%
6. -------------------------------------------------
7. Datanodes available: 107 (109 total, 2 dead)
8. Name: 172.16.218.232:50010
9. Rack: /lg/dminterface0
10. Decommission Status : Normal
11. Configured Capacity: 1259272216576 (1.15 TB)
12. DFS Used: 185585852416 (172.84 GB)
13. Non DFS Used: 39060951040 (36.38 GB)
14. DFS Remaining: 1034625413120(963.57 GB)
15. DFS Used%: 14.74%
16. DFS Remaining%: 82.16%
17. Last contact: Wed Nov 18 10:19:44 CST 2009
18. Name: 172.16.216.126:50010
19. Rack: /lg/dminterface2
20. Decommission Status : Normal
21. Configured Capacity: 661261402112 (615.85 GB)
22. DFS Used: 123147280384 (114.69 GB)
23. Non DFS Used: 8803852288 (8.2 GB)
24. DFS Remaining: 529310269440(492.96 GB)
25. DFS Used%: 18.62%
26. DFS Remaining%: 80.05%
27. Last contact: Wed Nov 18 10:19:46 CST 2009

複製程式碼

26. Hadoop 預設排程器策略為 FIFO（正確 ）
具體參考
Hadoop叢集三種作業排程演算法介紹



27. 叢集內每個節點都應該配 RAID，這樣避免單磁碟損壞，影響整個節點執行。（錯誤 ）
分析：
首先明白什麼是RAID，可以參考百科磁碟陣列。
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本身就具有冗餘能力，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。瞭解詳細資訊，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 槽就是一個執行緒。（錯誤 ）
分析：首先我們知道什麼是map 槽,map 槽->map slot
map slot 只是一個邏輯值 ( org.apache.hadoop.mapred.TaskTracker.TaskLauncher.numFreeSlots )，而不是對應著一個執行緒或者程序
具體見：
hadoop中槽-slot是執行緒還是程序討論

30. Mapreduce 的 input split 就是一個 block。（錯誤 ）
InputFormat的資料劃分、Split排程、資料讀取三個問題的淺析

31. NameNode 的 Web UI 埠是 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 埠是 50030
埠說明：

預設埠    設定位置                                                                                                  
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      




設定位置                                                                                                 描述資訊
namenode                                                                                               互動埠
namenode                                                                                               RPC互動埠
JT RPC                                                                                                   互動埠
mapred.job.tracker.http.address JobTracker administrative web GUI     JOBTRACKER的HTTP伺服器和埠
dfs.http.address NameNode administrative web GUI                              NAMENODE的HTTP伺服器和埠
dfs.datanode.address DataNode control port               DATANODE控制埠，主要用於DATANODE初始化時向NAMENODE提出註冊和應答請求
dfs.datanode.ipc.address DataNode IPC port, used for block transfer    DATANODE的RPC伺服器地址和埠
mapred.task.tracker.http.address Per TaskTracker web interface           TASKTRACKER的HTTP伺服器和埠
dfs.datanode.http.address Per DataNode web interface                          DATANODE的HTTP伺服器和埠
dfs.secondary.http.address Per secondary NameNode web interface     輔助DATANODE的HTTP伺服器和埠




32. Hadoop 環境變數中的 HADOOP_HEAPSIZE 用於設定所有 Hadoop 守護執行緒的記憶體。它默
認是 200 GB。（ 錯誤）
hadoop為各個守護程序（namenode,secondarynamenode,jobtracker,datanode,tasktracker）統一分配的記憶體在hadoop-env.sh中設定，引數為HADOOP_HEAPSIZE，預設為1000M。
具體參考hadoop叢集記憶體設定

33. DataNode 首次加入 cluster 的時候，如果 log 中報告不相容檔案版本，那需要 NameNode
執行“Hadoop namenode -format”操作格式化磁碟。（錯誤 ）
分析：
首先明白介紹，什麼ClusterID
ClusterID

添加了一個新的識別符號ClusterID用於標識叢集中所有的節點。當格式化一個Namenode，需要提供這個識別符號或者自動生成。這個ID可以被用來格式化加入叢集的其他Namenode。
詳細內容可參考
hadoop叢集新增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“，給出本測試題抱著謹慎的態度，希望大家多批評指正。

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