hadoop面试题Word文档下载推荐.docx
《hadoop面试题Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《hadoop面试题Word文档下载推荐.docx（27页珍藏版）》请在冰豆网上搜索。
删除一个节点的时候，只需要在主节点执行hadoopmradmin-refreshnodes
4.0请列出你所知道的hadoop调度器，并简要说明其工作方法
Fifoschedular:
默认，先进先出的原则
Capacityschedular:
计算能力调度器，选择占用最小、优先级高的先执行，依此类推。
Fairschedular:
公平调度，所有的job具有相同的资源。
5.0请列出你在工作中使用过的开发mapreduce的语言
java，hive
6.0当前日志采样格式为
a,b,c,d
b,b,f,e
a,a,c,f
请你用最熟悉的语言编写mapreduce，计算第四列每个元素出现的个数
StaticfinalString
publicclassWordCount1{
publicstaticfinalStringINPUT_PATH="
hdfs:
//hadoop0:
9000/in"
;
publicstaticfinalStringOUT_PATH="
9000/out"
publicstaticvoidmain（String[]args）throwsException{
Configurationconf=newConfiguration（）;
FileSystemfileSystem=FileSystem.get（conf）;
if（fileSystem.exists（newPath（OUT_PATH）））{}
fileSystem.delete（newPath（OUT_PATH）,true）;
Jobjob=newJob（conf,WordCount1.class.getSimpleName（））;
//1.0读取文件，解析成key,value对
FileInputFormat.setInputPaths（job,newPath（INPUT_PATH））;
//2.0写上自己的逻辑，对输入的可以，value进行处理，转换成新的key,value对进行输出
job.setMapperClass（MyMapper.class）;
job.setMapOutputKeyClass（Text.class）;
job.setMapOutputValueClass（LongWritable.class）;
//3.0对输出后的数据进行分区
//4.0对分区后的数据进行排序，分组，相同key的value放到一个集合中
//5.0对分组后的数据进行规约
//6.0对通过网络将map输出的数据拷贝到reduce节点
//7.0写上自己的reduce函数逻辑，对map输出的数据进行处理
job.setReducerClass（MyReducer.class）;
job.setOutputKeyClass（Text.class）;
job.setOutputValueClass（LongWritable.class）;
FileOutputFormat.setOutputPath（job,newPath（OUT_PATH））;
job.waitForCompletion（true）;
}
staticclassMyMapperextendsMapper<
LongWritable,Text,Text,LongWritable>
{
@Override
protectedvoidmap（LongWritablek1,Textv1,
org.apache.hadoop.mapreduce.Mapper.Contextcontext）
throwsIOException,InterruptedException{
String[]split=v1.toString（）.split（"
\t"
）;
for（Stringwords:
split）{
context.write（split[3],1）;
}
}
staticclassMyReducerextendsReducer<
Text,LongWritable,Text,LongWritable>
protectedvoidreduce（Textk2,Iterable<
LongWritable>
v2,
org.apache.hadoop.mapreduce.Reducer.Contextcontext）
Longcount=0L;
for（LongWritabletime:
v2）{
count+=time.get（）;
context.write（v2,newLongWritable（count））;
}
7.0你认为用java，streaming，pipe方式开发map/reduce，各有哪些优点
就用过java和hiveQL。
Java写mapreduce可以实现复杂的逻辑，如果需求简单，则显得繁琐。
HiveQL基本都是针对hive中的表数据进行编写，但对复杂的逻辑很难进行实现。
写
起来简单。
8.0hive有哪些方式保存元数据，各有哪些优点
三种：
内存数据库derby，挺小，不常用。
本地mysql。
。
常用
远程端mysql。
不常用
上网上找了下专业名称：
singleusermode..multiusermode...remoteusermode
9.0请简述hadoop怎样实现二级排序
第一种方法是，Reducer将给定key的所有值都缓存起来，然后对它们再做一个Reducer内排序。
但是，由于Reducer需要保存给定key的所有值，可能会导致出现内存耗尽的错误。
第二种方法是，将值的一部分或整个值加入原始key，生成一个合成key。
这两种方法各有优势，第一种方法可能会更快一些（但有内存耗尽的危险），第二种方法则是将排序的任务交给MapReduce框架，更符合Hadoop/Reduce的设计思想。
这篇文章里选择的是第二种。
我们将编写一个Partitioner，确保拥有相同key（原始key，不包括添加的部分）的所有数据被发往同一个Reducer，还将编写一个Comparator，以便数据到达Reducer后即按原始key分组。
10.简述hadoop实现jion的几种方法
利用dataJoin来实现mapreduce的jion问题。
11.0请用java实现非递归二分查询
1.public
class
BinarySearchClass
2.{
3.
4.
public
static
int
binary_search（int[]
array,
value）
5.
{
6.
beginIndex
=
0;
//
低位下标
7.
endIndex
array.length
-
1;
高位下标
8.
midIndex
-1;
9.
while
（beginIndex
<
endIndex）
10.
+
（endIndex
beginIndex）
/
2;
//防止溢出
11.
if
（value
==
array[midIndex]）
12.
return
midIndex;
13.
}
else
14.
15.
16.
17.
18.
19.
20.
//找到了，返回找到的数值的下标，没找到，返回-1
21.
22.
23.
24.
//start
提示：
自动阅卷起始唯一标识，请勿删除或增加。
25.
void
main（String[]
args）
26.
27.
System.out.println（"
Start..."
28.
int[]
myArray
new
1,
2,
3,
5,
6,
7,
8,
9
};
29.
查找数字8的下标：
"
30.
System.out.println（binary_search（myArray,
8））;
31.
32.
//end
//提示：
自动阅卷结束唯一标识，请勿删除或增加。
33.}
12.0请简述mapreduce中的combine和partion的作用
combiner是发生在map的最后一个阶段，其原理也是一个小型的reducer，主要作用是减少输出到reduce的个数，减少reducer的输入，提高reducer的执行效率。
Partion的主要作用就是指定输出到reduce的个数的。
13.0hive内部表和外部表的区别
Hive创建内部表时，会将数据移动到数据仓库指向的路径；
若创建外部表，仅记录数据所在的路径，
不对数据的位置做任何改变。
在删除表的时候，内部表的元数据和数据会被一起删除，
而外部表只删除元数据，不删除数据。
这样外部表相对来说更加安全些，数据组织也更加灵活，方便共享源数据。
14.Hbase的rowKey怎么创建比较好？
列簇怎么创建比较好？
rowKey最好要创建有规则的rowKey，即最好是有序的。
HBase中一张表最好只创建一到两个列族比较好，因为HBase不能很好的处理多个列族。
15.用mapreduce怎么处理数据倾斜问题
在mapreduce聚合key中所有values的时候，如果一个key对应了很多values，就会产生数据倾斜的问题。
数据倾斜主要就是某个key下面对应的value太多，导致某个reduce节点执行的数据过多，然后产生某个或者某几个reduce节点的执行效率过低，导致整个集群中的任务执行效率较慢，可以使用partion对数据过多的节点进行再划分，划分成多个小的数据块，输入到reduce进行处理。
16.hadoop框架怎么来优化
hadoop优化的范围太宽泛了，可以从某个方面具体来谈一谈，比如说HBase的rowKey和列族的创建的来进行数据存储的优化，可以从网络的拷贝对数据的优化，可以从mapreduce对数据的处理来谈优化，可以从参数方面来说优化等。
17.hbase内部机制是什么
内部机制更多的是借助nosql数据的关系模型，是建立的hdfs之上，提供高可靠性、高性能、列存储、可伸缩、实时读写的数据库系统。
18.我们在开发分布式计算job的时候，是否可以去掉reduce阶段
可以，例如我们的集群就是为了存储文件而设计的，不涉及到数据的计算，就可以将mapReduce都省掉。
19hdfs的数据压缩算法
可以使用sequenceFile和mapFile来对小文件进行压缩，压缩成大文件，然后存储，减轻namenode的内存压力。
20.mapreduce的调度模式
公平调度模式和容量调度模式
21.hive底层与数据库交互原理
hive有一套自己的sql解析引擎，称为metastore，存储在mysql或者derby数据库中，可以将sql语句转化为mapreducejob任务执行。
22.hbase过滤器实现原则
过滤器必须实现HBaseJar包中的Filter接口，或者继承扩展一个实现了该接口的抽象类
23.reduce之后数据的输出量有多大
24.现场出问题测试mapreduce掌握情况和hive的ql语言掌握情况
25.datanode在什么情况下不会备份数据
在配置文件中设置文件副本数为1
bine出现在哪个过程
map阶段的最后一个过程。
27.hdfs的体系结构
HDFS采用了主从（Master/Slave）结构模型，一个HDFS集群是由一个NameNode和若干个DataNode组成的。
其中NameNode作为主服务器，管理文件系统的命名空间和客户端对文件的访问操作；
集群中的DataNode管理存储的数据
28.flush的过程
flush是在内存的基础上进行的，首先写入文件的时候，会先将文件写到内存中，当内存写满的时候，就会清空缓存中的文件，然后一次性的将文件全部都写到硬盘中去保存。
29.什么是队列
队列就是一个先进先出的过程。
30.List与set的区别
List和Set都是接口。
他们各自有自己的实现类，有无顺序的实现类，也有有顺序的实现类。
最大的不同就是List是可以重复的。
而Set是不能重复的。
List适合经常追加数据，插入，删除数据。
但随即取数效率比较低。
Set适合经常地随即储存，插入，删除。
但是在遍历时效率比较低。
31.数据的三范式
第一范式（）无重复的列
第二范式（2NF）属性完全依赖于主键[消除部分子函数依赖]
第三范式（3NF）属性不依赖于其它非主属性[消除传递依赖]
32.三个datanode中当有一个datanode出现错误时会怎样？
当有一个datanode出现错误的时候，namenode会将那个datanode上的数据拷贝到其他的节点去进行存储。
33.sqoop在导入数据到mysql中，如何不重复导入数据，如果存在数据问题，sqoop如何处理？
34.描述一下hadoop中，有哪些地方使用到了缓存机制，作用分别是什么？
缓存机制就是DistributedCash，就是在job任务执行前，将需要的文件拷贝到Task机器上进行缓存，提高mapreduce的执行效率。
35.MapReduce优化经验
（1.）设置合理的map和reduce的个数。
（2.）避免出现数据倾斜
（bine函数
（4.对数据进行压缩，避免大量的小文件
36.请列举出曾经修改过的/etc/下面的文件，并说明修改要解决什么问题？
/etc/profile这个文件，主要是用来配置环境变量。
让hadoop命令可以在任意目录下面执行。
37.请描述一下开发过程中如何对上面的程序进行性能分析，对性能分析进行优化的过程。
38.现有1亿个整数均匀分布，如果要得到前1K个最大的数，求最优的算法。
我先说下我的想法:
分块，比如分1W块，每块1W个，然后分别找出每块最大值，从这最
大的1W个值中找最大1K个，
那么其他的9K个最大值所在的块即可扔掉，从剩下的最大的1K个值所在的块中找前1K
个即可。
那么原问题的规模就缩小到了1/10。
问题：
（1）这种分块方法的最优时间复杂度。
（2）如何分块达到最优。
比如也可分10W块，每块1000个数。
则问题规模可降到原来
1/100。
但事实上复杂度并没降低。
39.mapreduce的大致流程
主要分为八个步骤
1.0读取文件，解析成key,value对
2.0自定义map函数
3.0对map输出的数据进行分区
4.0对分区后的数据进行排序分组
5.0对分组后的数据进行规约
6.0通过网络拷贝，将map输出的数据拷贝到reduce节点
7.0自定义reduce函数，对map输入的key,value对进一步的处理
8.0对处理后的数据进行输出
40.combiner和partion的作用
combiner主要是用来减少输入到reduce阶段的数据
Partion作用主要是对map处理的数据进行分区，可以解决数据倾斜的问题。
41.用mapreduce实现sql语selectcount（x）fromagroupbyb;
42.用mapreduce如何实现两张表连接，有哪些方法。
43.知道mapreduce大致流程，map,shuffle,reduce
44.搭建hadoop集群，master和slaves都运行哪些服务
master主要是运行我们的主节点，slaves主要是运行我们的从节点。
45.hadoop参数调优
46.pig,latin,hive语法有什么不同
47.描述Hbase，ZooKeeper搭建过程
48.hadoop运行原理
hadoop的主要核心是由两部分组成，HDFS和mapreduce，首先HDFS的原理就是分布式的文件存储系统，将一个大的文件，分割成多个小的文件，进行存储在多台服务器上。
Mapreduce的原理就是使用JobTracker和TaskTracker来进行作业的执行。
Map就是将任务展开，reduce是汇总处理后的结果。
49.mapreduce的原理
mapreduce的原理就是将一个MapReduce框架由一个单独的masterJobTracker和每个集群节点一个slaveTaskTracker共同组成。
master负责调度构成一个作业的所有任务，这些的slave上，master监控它们的执行，重新执行已经失败的任务。
而slave仅负责执行由maste指派的任务。
50.HDFS存储机制
HDFS主要是一个分布式的文件存储系统，由namenode来接收用户的操作请求，然后根据文件大小，以及定义的block块的大小，将大的文件切分成多个block块来进行保存
51.举一个例子说明mapreduce是怎么运行的。
52.如何确认hadoop集群的健康状况
使用JPS命令来查看各个节点运行的进程是否正常。
53.mapreduce作业，不让reduce输出，用什么代替reduce的功能。
54.hive如何调优
hive最终都会转化为mapreduce的job来运行，要想hive调优，实际上就是mapreduce调优，可以有下面几个方面的调优。
解决收据倾斜问题，减少job数量，设置合理的map和reduce个数，对小文件进行合并，优化时把我整体，单个task最优不如整体最优。
按照一定规则分区。
55.hive如何控制权限
56.
56.HBase写数据的原理是什么？
57.hive能像关系型数据库那样建多个库吗？
当然能了。
58.HBase宕机如何处理
宕机分为HMaster宕机和HRegisoner宕机，如果是HRegisoner宕机，HMaster会将其所管理的region重新分布到其他活动的RegionServer上，由于数据和日志都持久在HDFS中，该操作不会导致数据丢失。
所以数据的一致性和安全性是有保障的。
如果是HMaster宕机，HMaster没有单点问题，HBase中可以启动多个HMaster，通过Zookeeper的MasterElection机制保证总有一个Master运行。
即ZooKeeper会保证总会有一个HMaster在对外提供服务。
59.假设公司要建一个数据中心，你会如何处理？
60.单项选择题
1.下面哪个程序负责HDFS数据存储。
答案C
a）NameNodeb）Jobtrackerc）Datanoded）secondaryNameNodee）tasktracker
2.HDfS中的block默认保存几份？
答案A
a）3份b）2份c）1份d）不确定
3.下列哪个程序通常与NameNode在一个节点启动？
答案C
a）SecondaryNameNodeb）DataNodec）TaskTrackerd）Jobtracker
4.Hadoop作者答案D
a）MartinFowlerb）KentBeckc）Dougcutting
5.HDFS默认BlockSize答案B
a）32MBb）64MBc）128MB
6.下列哪项通常是集群的最主要瓶颈答案D
编者QQ：
1040195253
19
a）CPUb）网络c）磁盘d）内存
升级会员 