分析：它是可以被修改的Hadoop的基礎配置文件是hadoop-default.xml，默認建立一個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的系統級配置。

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

　　分析：Nagios是集群監控工具，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工作。(錯誤 )

　　分析：SecondaryNameNode是幫助恢復，而不是替代，如何恢復，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 開發的，所以 MapReduce 只支持 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，可以使用其他語言開發。

　　19. Hadoop 支持數據的隨機讀寫。(錯 )

　　分析：lucene是支持隨機讀寫的，而hdfs只支持隨機讀。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于各種可伸縮性問題：表可以很“高”，有數十億個數據行;也可以很“寬”，有數百萬個列;水分區并在上千個普通商用機節點上自動復制。表的模式是物理存儲的直接反映，使系統有可能提高高效的數據結構的序列化、存儲和檢索。

　　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。(錯誤)

　　此題分析：

　　NameNode 不需要從磁盤讀取 metadata，所有數據都在內存中，硬盤上的只是序列化的結果，只有每次 namenode 啟動的時候才會讀取。

　　1)文件寫入

　　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。

　　2)文件讀取

　　Client向NameNode發起文件讀取的請求。

　　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中，保存了Block的Meta-data，同時周期性地將所有存在的Block信息發送給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，然后再進行報文發送和接收。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每進行一次報文收發交易時才進行通訊連接，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 自身具有嚴格的權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 節點要存儲數據，所以它的磁盤越大越好。( 錯誤)

　　分析：一旦Slave節點宕機，數據恢復是一個難題

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

　　26. Hadoop 默認調度器策略為 FIFO(正確 )

　　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。(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 )，而不是對應著一個線程或者進程

　　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。(錯誤 )

　　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。( 錯誤)

　　hadoop為各個守護進程(namenode,secondarynamenode,jobtracker,datanode,tasktracker)統一分配的內存在hadoop-env.sh中設置，參數為HADOOP_HEAPSIZE，默認為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

　　添加了一個新的標識符ClusterID用于標識集群中所有的節點。當格式化一個Namenode，需要提供這個標識符或者自動生成。這個ID可以被用來格式化加入集群的其他Namenode。

　　二次整理

　　有的同學問題的重點不是上面分析內容：內容如下：

　　這個報錯是說明 DataNode 所裝的Hadoop版本和其它節點不一致，應該檢查DataNode的Hadoop版本