大数据面试题.docx

1、大数据面试题单项选择题1. 下面哪个程序负责 HDFS 数据存储。a)NameNodeb)Jobtrackerc)Datanoded)secondaryNameNode2. HDfS中的 block默认保存几份a)3份b)2份c)1份d) 不确定3. 下列哪个程序通常与NameNodee)tasktrackera)SecondaryNameNode在一个节点启动b)DataNodec)TaskTrackerd)Jobtracker4.Hadoop 作者a)Martin Fowlerb)Kent Beckc)Doug cutting5.HDFS 默认 Block Sizea)32MBb)64MB

2、c)128MB6.下列哪项通常是集群的最主要瓶颈a)CPUb)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启动时间多选题8. 下列哪项可以作为集群的管理工具a)Puppetb)Pdshc)Cloudera Managerd)d)Zookeeper9. 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

3、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)Cloudera managerb)Tar ballc)Yum d)Rpm判断题13. Ganglia 不仅可以进行监控，也可以进行告警。 ( )14. Block Size 是不可以修

4、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. Cloudera CDH 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 clien

5、t 端。 ( )24. Slave 节点要存储数据，所以它的磁盘越大越好。 ( )25. hadoop dfsadmin -eport 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。 ( )。( )Web 服务。( )格式化磁盘。 ( )别走开，答案在后面哦 !答案单选题1. 下面哪个程序负责 HDFS 数据存储。答案 C datanodea)NameNodeb)Jobtrackerc)Datanoded)secondaryNameNodee)tasktracker2.

6、HDfS 中的block默认保存几份 答案A默认3分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 Da)SecondaryNameNodeb)DataNodec)TaskTrackerd)Jobtracker此题分析：hadoop 的集群是基于 master/slave 模式,namenode 禾口jobtracker 属于 master , data node 禾 口 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

7、量级NameNode 运行在不同的机器上。JobTracker 禾口TaskTrackerJobTracker 对应于 NameNodeTaskTracker 对应于 DataNodeJobTracker 和 TaskTracker 是对于 Map Reduce 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

8、由 JobTracker 创建每 一个Task(即Map Task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

9、行每一个任务。TaskTracker 都需要运行在HDFS的DataNode 上。4.Hadoop 作者 答案 C Doug cuttinga)Martin Fowlerb)Kent Beckc)Doug cutting5.HDFS 默认 Block Size 答案： Ba)32MBb)64MBc)128MB （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a)CPUb） 网络c）磁盘IOd） 内存该题解析：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处理能力强2.内存够大所以集群的瓶颈不可能是a和d3.

10、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 般备3份数据，所以10就会打折扣。7. 关于 SecondaryNameNode 哪项是正确的答案 Cb)减少 NameNode它对内存没有要求c) 它的目的是帮助 NameNode 合并编辑日志，启动时间多选题a)Puppetb)Pdshc)Cloudera Managerd)Zookeeper 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 c)MapReduce 会根据机架获取离自己比较近的网络数据10. Cli

11、ent 端上传文件的时候下列哪项正确答案 Ba) 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

12、式：答案 ABCa）单机版 b） 伪分布式c） 分布式12. Cloudera 提供哪几种安装 CDH 的方法答案： ABCDa)Cloudera managerb)Tarballc)Yumd)Rpm判断题13. Ganglia 不仅可以进行监控，也可以进行告警。 （ 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

13、还有Nagios。Nagios ,就是一款精于预警、通知的软件。通过将Ga nglia和Nagios组合起来，把Gan glia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。14. Block Size 是不可以修改的。 （错误 ）分析：它是可以被修改的 Hadoop 的基础配置文件是，默认建立一个Job的时候会建立 Job 的 Config ， Config 首先读入的配置，然后再读入的配置（这个文件初始的时候配置为空 ），中主要配置需要覆盖的的系统级配置。15. Nagios 不可以监控 Hadoop 集群，因为它不提供 H

14、adoop支持。 （错误 ）分析： Nagios 是集群监控工具，而且是云计算三大利器之一16. 如果 NameNode 意外终止 ， SecondaryNameNode 会接替它使集群继续工作。 （错误 ）分析： SecondaryNameNode 是帮助恢复，而不是替代，如何恢复，可以查看17. Cloudera CDH 是需要付费使用的。 （错误 ）分析：第一套付费产品是 Cloudera Enterpris ， Cloudera Enterprise在美国加州举行的 Hadoop 大会 （Hadoop Summit） 上公开，以若干私有管理、监控、运作工具加强 Hadoop 的功能。收

15、费采取合约订购方式，价格随用的 Hadoop 丛集大小变动。18. Hadoop 是 Java 开发的，所以 MapReduce 只支持 Java 语言编写。 （错误 ）是一种思想，可以使用其他语言开发。以来补救。HBase提供随机读写，来解决Hadoop不能处理的问题。HBase 自底层设计开始即聚焦于各种可伸缩性问题：表可以很“高”，有数十亿个数 据行;也可以很“宽” ， 有数百万个列 ;水平分区并在上千个普通商用机节点上自动复制。表的模式是物理存储的直接反映，使系统有可能提高高效的数据结 构的序列化、存储和检索。20. NameNode 负责管理 metadata ， client 端每

16、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。 （错误 ）此题分析：，所有数据都在内存中，硬启动的时候才会读取。NameNode 不需要从磁盘读取 metadata盘上的只是序列化的结果，只有每次 namenode1） 文件写入Client向NameNode发起文件写入的请求。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。2)文件读取Client向NameNode 发起文件读取的请求。21. NameNode 本地磁盘保存了 Block 的

17、位置信息。 ( 个人认为 正 确 ，欢迎提出其它意见 )分析： DataNode 是文件存储的基本单元，它将 Block 存储在本地文件系统中，保存了 Block的Meta-data ，同时周期性地将所有存在的Block信息发送给 NameNode。 NameNode 返回文件存储的 DataNode 的信息。 Client读取文件信息。22. DataNode 通过长连接与 NameNode 保持通信。 ( )这个有分歧：具体正在找这方面的有利资料。下面提供资料可参考。首先明确一下概念：(1). 长连接 Client 方与 Server 方先建立通讯连接，连接建立后不断开，然 后再进行报文发

18、送和接收。这种方式下由于通讯连接一直存在，此种方式常用 于点对点通讯。(2).短连接Client方与Server每进行一次报文收发交易时才进行通讯连接交易完毕后立即断开连接。此种方式常用于一点对多点通讯，比如多个 Client连接一个 Server.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。hadoop 只能阻止好人犯错，但是不能阻止坏人干坏事误）26. HadOOp 默认调度器策略为 FIFO（ 正确 ）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。 （错误 ）分析 ：首先明白什么是 RAID ， 可以参考百科磁盘阵列。这句

19、话错误的地 方在于太绝对，具体情况具体分析。题目不是重点，知识才是最重要的。因为hadOOp 本身就具有冗余能力 ， 所以如果不是很严格不需要都配备 RAID 。具是不存在单点问题的体参考第二题。28. 因为 HDFS 有多个副本，所以 NameNOdeWeb 服务。 （错误 ）hadOOp 为各个守护进程(namenode,secondarynamenode,jobtracker,datanode,tasktracker)统一分配的内存在中设置，参数为 HADOOP_HEAPSIZE ，默认为 1000M 。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“ Hadoop namenode -format ”操作 格式化磁盘。 （错误 ）分析：首先明白介绍，什么 ClusterIDClusterID添加了一个新的标识符 ClusterID 用于标识集群中所有的节点。当格式化 一个Name node ,需要提供这个标识符或者自动生成。这个ID可以被用来格 式化加入集群的其他 Namenode 。二次整理有的同学问题的重点不是上面分析内容：内容如下：这个报错是说明 DataNode 所装的 Hadoop 版本和其它节点不一致 ， 应该检查DataNode 的Hadoop版本