大數據技術Hadoop面試題(二)

17. Cloudera CDH 是需要付費使用的。( )

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

　　19. Hadoop 支持數據的隨機讀寫。( )

　　20. NameNode 負責管理 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 自身具有嚴格的權限管理和安全措施保障集群正常運行。( )

　　24. Slave 節點要存儲數據，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 默認調度器策略為 FIFO( )

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

　　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。( )

　　32. Hadoop 環境變量中的 HADOOP_HEAPSIZE 用于設置所有 Hadoop 守護線程的內存。它默認是 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. 下面哪個程序負責 HDFS 數據存儲。答案C datanode

　　a)NameNode

　　b)Jobtracker

　　c)Datanode

　　d)secondaryNameNode

　　e)tasktracker

　　2. HDfS 中的 block 默認保存幾份? 答案A默認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內存需求和NameNode在一個數量級上，所以通常secondary NameNode(運行在單獨的物理機器上)和NameNode運行在不同的機器上。

　　JobTracker和TaskTracker

　　JobTracker 對應于 NameNode

　　TaskTracker 對應于 DataNode

　　DataNode 和NameNode 是針對數據存放來而言的

　　JobTracker和TaskTracker是對于MapReduce執行而言的

　　mapreduce中幾個主要概念，mapreduce整體上可以分為這么幾條執行線索：obclient，JobTracker與TaskTracker。

　　1、JobClient會在用戶端通過JobClient類將應用已經配置參數打包成jar文件存儲到hdfs，并把路徑提交到Jobtracker,然后由JobTracker創建每一個Task(即MapTask和ReduceTask)并將它們分發到各個TaskTracker服務中去執行。

　　2、JobTracker是一個master服務，軟件啟動之后JobTracker接收Job，負責調度Job的每一個子任務task運行于TaskTracker上，并監控它們，如果發現有失敗的task就重新運行它。一般情況應該把JobTracker部署在單獨的機器上。

　　3、TaskTracker是運行在多個節點上的slaver服務。TaskTracker主動與JobTracker通信，接收作業，并負責直接執行每一個任務。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 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)網絡

　　c)磁盤IO

　　d)內存

　　該題解析：

　　首先集群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么特點?

　　1.cpu處理能力強

　　2.內存夠大

　　所以集群的瓶頸不可能是a和d

　　3.網絡是一種稀缺資源，但是并不是瓶頸。

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

　　7. 關于 SecondaryNameNode 哪項是正確的?答案C

　　a)它是 NameNode 的熱備

　　b)它對內存沒有要求

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

　　d)SecondaryNameNode 應與 NameNode 部署到一個節點。

　　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. 配置機架感知的下面哪項正確：答案ABC

　　a)如果一個機架出問題，不會影響數據讀寫

　　b)寫入數據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的網絡數據

　　10. Client 端上傳文件的時候下列哪項正確?答案B

　　a)數據經過 NameNode 傳遞給 DataNode

　　b)Client 端將文件切分為 Block，依次上傳

　　c)Client 只上傳數據到一臺 DataNode，然后由 NameNode 負責 Block 復制工作

　　該題分析：

　　Client向NameNode發起文件寫入的請求。

　　NameNode根據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DataNode的地址信息，按順序寫入到每一個DataNode塊中。

　　11. 下列哪個是 Hadoop 運行的模式：答案ABC

　　a)單機版

　　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 不僅可以進行監控，也可以進行告警。( 正確)

　　分析：此題的目的是考Ganglia的了解。嚴格意義上來講是正確。ganglia作為一款最常用的Linux環境中的監控軟件，它擅長的的是從節點中按照用戶的需求以較低的代價采集數據。但是ganglia在預警以及發生事件后通知用戶上并不擅長。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，就是一款精于預警、通知的軟件。通過將Ganglia和Nagios組合起來，把Ganglia采集的數據作為Nagios的數據源，然后利用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。

　　14. Block Size 是不可以修改的。(錯誤 )