大数据面试题文档格式.docx

大数据面试题文档格式.docx

《大数据面试题文档格式.docx》由会员分享，可在线阅读，更多相关《大数据面试题文档格式.docx（9页珍藏版）》请在冰豆网上搜索。

　　b）DataNode

　　c）TaskTracker

　　d）Jobtracker

4.Hadoop作者

　　a）MartinFowler

　　b）KentBeck

　　c）Dougcutting

5.HDFS默认BlockSize

　　a）32MB

　　b）64MB

　　c）128MB

6.下列哪项通常是集群的最主要瓶颈

　　a）CPU

　　b）网络

　　c）磁盘

　　d）内存

7.关于SecondaryNameNode哪项是正确的?

　　a）它是NameNode的热备

　　b）它对内存没有要求

　　c）它的目的是帮助NameNode合并编辑日志，减少NameNode启动时间

　　d）SecondaryNameNode应与NameNode部署到一个节点

多选题

8.下列哪项可以作为集群的管理工具

　　a）Puppet

　　b）Pdsh

　　c）ClouderaManager

　　d）d）Zookeeper

9.配置机架感知的下面哪项正确

　　a）如果一个机架出问题，不会影响数据读写

　　b）写入数据的时候会写到不同机架的DataNode中

　　c）MapReduce会根据机架获取离自己比较近的网络数据

10.Client端上传文件的时候下列哪项正确

　　a）数据经过NameNode传递给DataNode

　　b）Client端将文件切分为Block，依次上传

　　c）Client只上传数据到一台DataNode，然后由NameNode负责Block复制工作

11.下列哪个是Hadoop运行的模式

　　a）单机版

　　b）伪分布式

　　c）分布式

12.Cloudera提供哪几种安装CDH的方法

　　a）Clouderamanager

　　b）Tarball

　　c）Yumd）Rpm

判断题

13.Ganglia不仅可以进行监控，也可以进行告警。

（）

14.BlockSize是不可以修改的。

15.Nagios不可以监控Hadoop集群，因为它不提供Hadoop支持。

16.如果NameNode意外终止，SecondaryNameNode会接替它使集群继续工作。

17.ClouderaCDH是需要付费使用的。

18.Hadoop是Java开发的，所以MapReduce只支持Java语言编写。

19.Hadoop支持数据的随机读写。

20.NameNode负责管理metadata，client端每次读写请求，它都会从磁盘中读取或则会写入metadata信息并反馈client端。

21.NameNode本地磁盘保存了Block的位置信息。

22.DataNode通过长连接与NameNode保持通信。

23.Hadoop自身具有严格的权限管理和安全措施保障集群正常运行。

24.Slave节点要存储数据，所以它的磁盘越大越好。

25.hadoopdfsadmin–report命令用于检测HDFS损坏块。

26.Hadoop默认调度器策略为FIFO（）

27.集群内每个节点都应该配RAID，这样避免单磁盘损坏，影响整个节点运行。

28.因为HDFS有多个副本，所以NameNode是不存在单点问题的。

29.每个map槽就是一个线程。

30.Mapreduce的inputsplit就是一个block。

31.NameNode的WebUI端口是50030，它通过jetty启动的Web服务。

32.Hadoop环境变量中的HADOOP_HEAPSIZE用于设置所有Hadoop守护线程的内存。

它默认是200GB。

33.DataNode首次加入cluster的时候，如果log中报告不兼容文件版本，那需要NameNode执行“Hadoopnamenode-format”操作格式化磁盘。

别走开，答案在后面哦!

答案

单选题

答案Cdatanode

答案A默认3分

答案D

此题分析：

hadoop的集群是基于master/slave模式，namenode和jobtracker属于master，datanode和tasktracker属于slave，master只有一个，而slave有多个SecondaryNameNode内存需求和NameNode在一个数量级上，所以通常secondaryNameNode（运行在单独的物理机器上）和NameNode运行在不同的机器上。

JobTracker和TaskTracker

JobTracker对应于NameNode

TaskTracker对应于DataNode

DataNode和NameNode是针对数据存放来而言的

JobTracker和TaskTracker是对于MapReduce执行而言的

mapreduce中几个主要概念，mapreduce整体上可以分为这么几条执行线索：

obclient，JobTracker与TaskTracker。

1、JobClient会在用户端通过JobClient类将应用已经配置参数打包成jar文件存储到hdfs，并把路径提交到Jobtracker,然后由JobTracker创建每一个Task（即MapTask和ReduceTask）并将它们分发到各个TaskTracker服务中去执行。

2、JobTracker是一个master服务，软件启动之后JobTracker接收Job，负责调度Job的每一个子任务task运行于TaskTracker上，并监控它们，如果发现有失败的task就重新运行它。

一般情况应该把JobTracker部署在单独的机器上。

3、TaskTracker是运行在多个节点上的slaver服务。

TaskTracker主动与JobTracker通信，接收作业，并负责直接执行每一个任务。

TaskTracker都需要运行在HDFS的DataNode上。

4.Hadoop作者答案CDougcutting

5.HDFS默认BlockSize答案：

B

　　（因为版本更换较快，这里答案只供参考）

6.下列哪项通常是集群的最主要瓶颈：

答案：

C磁盘

　　c）磁盘IO

该题解析：

首先集群的目的是为了节省成本，用廉价的pc机，取代小型机及大型机。

小型机和大型机有什么特点?

1.cpu处理能力强

2.内存够大

所以集群的瓶颈不可能是a和d

3.网络是一种稀缺资源，但是并不是瓶颈。

4.由于大数据面临海量数据，读写数据都需要io，然后还要冗余数据，hadoop一般备3份数据，所以IO就会打折扣。

答案C

　　d）SecondaryNameNode应与NameNode部署到一个节点。

8.下列哪项可以作为集群的管理?

ABD

　　d）Zookeeper

9.配置机架感知的下面哪项正确：

答案ABC

10.Client端上传文件的时候下列哪项正确?

答案B

该题分析：

Client向NameNode发起文件写入的请求。

NameNode根据文件大小和文件块配置情况，返回给Client它所管理部分DataNode的信息。

Client将文件划分为多个Block，根据DataNode的地址信息，按顺序写入到每一个DataNode块中。

11.下列哪个是Hadoop运行的模式：

12.Cloudera提供哪几种安装CDH的方法?

ABCD

　　b）Tarball

　　c）Yum

　　d）Rpm

（正确）

分析：

此题的目的是考Ganglia的了解。

严格意义上来讲是正确。

ganglia作为一款最常用的Linux环境中的监控软件，它擅长的的是从节点中按照用户的需求以较低的代价采集数据。

但是ganglia在预警以及发生事件后通知用户上并不擅长。

最新的ganglia已经有了部分这方面的功能。

但是更擅长做警告的还有Nagios。

Nagios，就是一款精于预警、通知的软件。

通过将Ganglia和Nagios组合起来，把Ganglia采集的数据作为Nagios的数据源，然后利用Nagios来发送预警通知，可以完美的实现一整套监控管理的系统。

（错误）

它是可以被修改的Hadoop的基础配置文件是hadoop-default.xml，默认建立一个Job的时候会建立Job的Config，Config首先读入hadoop-default.xml的配置，然后再读入hadoop-site.xml的配置（这个文件初始的时候配置为空），hadoop-site.xml中主要配置需要覆盖的hadoop-default.xml的系统级配置。

15.Nagios不可以监控Hadoop集群，因为它不提供Hadoo