大數據技術(shù)Hadoop筆試題

　　導讀：Hadoop有高容錯性的特點(diǎn)，并且設計用來(lái)部署在低廉的(low-cost)硬件上。以下是由應屆畢業(yè)生網(wǎng)小編J.L為您整理推薦的面試筆試題目和經(jīng)驗，歡迎參考閱讀。

　　單項選擇題

　　1. 下面哪個(gè)程序負責 HDFS 數據存儲。

　　a)NameNode

　　b)Jobtracker

　　c)Datanode

　　d)secondaryNameNode

　　e)tasktracker

　　2. HDfS 中的 block 默認保存幾份?

　　a)3 份

　　b)2 份

　　c)1 份

　　d)不確定

　　3. 下列哪個(gè)程序通常與 NameNode 在一個(gè)節點(diǎn)啟動(dòng)?

　　a)SecondaryNameNode

　　b)DataNode

　　c)TaskTracker

　　d)Jobtracker

　　4. Hadoop 作者

　　a)Martin Fowler

　　b)Kent Beck

　　c)Doug cutting

　　5. HDFS 默認 Block Size

　　a)32MB

　　b)64MB

　　c)128MB

　　6. 下列哪項通常是集群的最主要瓶頸

　　a)CPU

　　b)網(wǎng)絡(luò )

　　c)磁盤(pán)

　　d)內存

　　7. 關(guān)于 SecondaryNameNode 哪項是正確的?

　　a)它是 NameNode 的熱備

　　b)它對內存沒(méi)有要求

　　c)它的目的是幫助 NameNode 合并編輯日志，減少 NameNode 啟動(dòng)時(shí)間

　　d)SecondaryNameNode 應與 NameNode 部署到一個(gè)節點(diǎn)

　　多選題

　　8. 下列哪項可以作為集群的管理工具

　　a)Puppet

　　b)Pdsh

　　c)Cloudera Manager

　　d)d)Zookeeper

　　9. 配置機架感知的下面哪項正確

　　a)如果一個(gè)機架出問(wèn)題，不會(huì )影響數據讀寫(xiě)

　　b)寫(xiě)入數據的時(shí)候會(huì )寫(xiě)到不同機架的 DataNode 中

　　c)MapReduce 會(huì )根據機架獲取離自己比較近的網(wǎng)絡(luò )數據

　　10. Client 端上傳文件的時(shí)候下列哪項正確

　　a)數據經(jīng)過(guò) 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

　　11. 下列哪個(gè)是 Hadoop 運行的模式

　　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

　　a)Cloudera manager

　　b)Tar ball

　　c)Yum d)Rpm

　　判斷題

　　13. Ganglia 不僅可以進(jìn)行監控，也可以進(jìn)行告警。( )

　　14. Block Size 是不可以修改的。( )

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

　　16. 如果 NameNode 意外終止，SecondaryNameNode 會(huì )接替它使集群繼續工作。( )

　　17. Cloudera CDH 是需要付費使用的。( )

　　18. Hadoop 是 Java 開(kāi)發(fā)的，所以 MapReduce 只支持 Java 語(yǔ)言編寫(xiě)。( )

　　19. Hadoop 支持數據的隨機讀寫(xiě)。( )

　　20. NameNode 負責管理 metadata，client 端每次讀寫(xiě)請求，它都會(huì )從磁盤(pán)中讀取或則會(huì )寫(xiě)入 metadata 信息并反饋 client 端。( )

　　21. NameNode 本地磁盤(pán)保存了 Block 的位置信息。( )

　　22. DataNode 通過(guò)長(cháng)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(diǎn)要存儲數據，所以它的磁盤(pán)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(gè)節點(diǎn)都應該配 RAID，這樣避免單磁盤(pán)損壞，影響整個(gè)節點(diǎn)運行。( )

　　28. 因為 HDFS 有多個(gè)副本，所以 NameNode 是不存在單點(diǎn)問(wèn)題的。( )

　　29. 每個(gè) map 槽就是一個(gè)線(xiàn)程。( )

　　30. Mapreduce 的 input split 就是一個(gè) block。( )

　　31. NameNode 的 Web UI 端口是 50030，它通過(guò) jetty 啟動(dòng)的 Web 服務(wù)。( )

　　32. Hadoop 環(huán)境變量中的 HADOOP_HEAPSIZE 用于設置所有 Hadoop 守護線(xiàn)程的內存。它默認是 200 GB。( )

　　33. DataNode 首次加入 cluster 的時(shí)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(pán)。( )

　　別走開(kāi)，答案在后面哦!

　　1. 下面哪個(gè)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(gè)程序通常與 NameNode 在一個(gè)節點(diǎn)啟動(dòng)?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(gè)，而slave有多個(gè)SecondaryNameNode內存需求和NameNode在一個(gè)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(lái)而言的

　　JobTracker和TaskTracker是對于MapReduce執行而言的

　　mapreduce中幾個(gè)主要概念，mapreduce整體上可以分為這么幾條執行線(xiàn)索：obclient，JobTracker與TaskTracker。

　　1、JobClient會(huì )在用戶(hù)端通過(guò)JobClient類(lèi)將應用已經(jīng)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(chuàng )建每一個(gè)Task(即MapTask和ReduceTask)并將它們分發(fā)到各個(gè)TaskTracker服務(wù)中去執行。

　　2、JobTracker是一個(gè)master服務(wù)，軟件啟動(dòng)之后JobTracker接收Job，負責調度Job的每一個(gè)子任務(wù)task運行于 TaskTracker上，并監控它們，如果發(fā)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(gè)節點(diǎn)上的slaver服務(wù)。TaskTracker主動(dòng)與JobTracker通信，接收作業(yè)，并負責直接執行每一個(gè)任務(wù)。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(pán)

　　a)CPU

　　b)網(wǎng)絡(luò )

　　c)磁盤(pán)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(jià)的pc機，取代小型機及大型機。小型機和大型機有什么特點(diǎn)?

　　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(wǎng)絡(luò )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(xiě)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(huì )打折扣。

　　7. 關(guān)于 SecondaryNameNode 哪項是正確的?答案C

　　a)它是 NameNode 的熱備

　　b)它對內存沒(méi)有要求

　　c)它的目的是幫助 NameNode 合并編輯日志，減少 NameNode 啟動(dòng)時(shí)間

　　d)SecondaryNameNode 應與 NameNode 部署到一個(gè)節點(diǎn)。

　　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(gè)機架出問(wèn)題，不會(huì )影響數據讀寫(xiě)

　　b)寫(xiě)入數據的時(shí)候會(huì )寫(xiě)到不同機架的 DataNode 中

　　c)MapReduce 會(huì )根據機架獲取離自己比較近的網(wǎng)絡(luò )數據

　　10. Client 端上傳文件的時(shí)候下列哪項正確?答案B

　　a)數據經(jīng)過(guò) 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(fā)起文件寫(xiě)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(gè)Block，根據DataNode的地址信息，按順序寫(xiě)入到每一個(gè)DataNode塊中。

　　11. 下列哪個(gè)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(jìn)行監控，也可以進(jìn)行告警。( 正確)

　　分析：此題的目的是考Ganglia的了解。嚴格意義上來(lái)講是正確。ganglia作為一款最常用的Linux環(huán)境中的監控軟件，它擅長(cháng)的的是從節點(diǎn)中按照用戶(hù)的需求以較低的代價(jià)采集數據。但是ganglia在預警以及發(fā)生事件后通知用戶(hù)上并不擅長(cháng)。最新的ganglia已經(jīng)有了部分這方面的功能。但是更擅長(cháng)做警告的還有Nagios。Nagios，就是一款精于預警、通知的軟件。通過(guò)將Ganglia和Nagios組合起來(lái)，把Ganglia采集的數據作為Nagios的數據源，然后利用Nagios來(lái)發(fā)送預警通知，可以完美的實(shí)現一整套監控管理的系統。

　　14. Block Size 是不可以修改的。(錯誤 )

　　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(gè)Job的時(shí)候會(huì )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(gè)文件初始的時(shí)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(huì )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(chǎn)品是Cloudera Enterpris，Cloudera Enterprise在美國加州舉行的 Hadoop 大會(huì ) (Hadoop Summit) 上公開(kāi)，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(jià)格隨用的 Hadoop 叢集大小變動(dòng)。

　　18. Hadoop 是 Java 開(kāi)發(fā)的，所以 MapReduce 只支持 Java 語(yǔ)言編寫(xiě)。(錯誤 )

　　分析：rhadoop是用R語(yǔ)言開(kāi)發(fā)的，MapReduce是一個(gè)框架，可以理解是一種思想，可以使用其他語(yǔ)言開(kāi)發(fā)。

　　19. Hadoop 支持數據的隨機讀寫(xiě)。(錯 )

　　分析：lucene是支持隨機讀寫(xiě)的，而hdfs只支持隨機讀。但是HBase可以來(lái)補救。HBase提供隨機讀寫(xiě)，來(lái)解決Hadoop不能處理的問(wèn)題。HBase自底層設計開(kāi)始即聚焦于各種可伸縮性問(wèn)題：表可以很“高”，有數十億個(gè)數據行;也可以很“寬”，有數百萬(wàn)個(gè)列;水平分區并在上千個(gè)普通商用機節點(diǎn)上自動(dòng)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(xiě)請求，它都會(huì )從磁盤(pán)中讀取或則會(huì )寫(xiě)入 metadata 信息并反饋 client 端。(錯誤)

　　此題分析：

　　NameNode 不需要從磁盤(pán)讀取 metadata，所有數據都在內存中，硬盤(pán)上的只是序列化的結果，只有每次 namenode 啟動(dòng)的時(shí)候才會(huì )讀取。

　　1)文件寫(xiě)入

　　Client向NameNode發(fā)起文件寫(xiě)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(gè)Block，根據DataNode的地址信息，按順序寫(xiě)入到每一個(gè)DataNode塊中。

　　2)文件讀取

　　Client向NameNode發(fā)起文件讀取的請求。

　　21. NameNode 本地磁盤(pán)保存了 Block 的位置信息。( 個(gè)人認為正確，歡迎提出其它意見(jiàn))

　　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(shí)周期性地將所有存在的Block信息發(fā)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(guò)長(cháng)連接與 NameNode 保持通信。( )

　　這個(gè)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(cháng)連接

　　Client方與Server方先建立通訊連接，連接建立后不斷開(kāi)，然后再進(jìn)行報文發(fā)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(diǎn)對點(diǎn)通訊。

　　(2).短連接

　　Client方與Server每進(jìn)行一次報文收發(fā)交易時(shí)才進(jìn)行通訊連接，交易完畢后立即斷開(kāi)連接。此種方式常用于一點(diǎn)對多點(diǎn)通訊，比如多個(gè)Client連接一個(gè)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(diǎn)要存儲數據，所以它的磁盤(pán)越大越好。( 錯誤)

　　分析：一旦Slave節點(diǎn)宕機，數據恢復是一個(gè)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(gè)節點(diǎn)都應該配 RAID，這樣避免單磁盤(pán)損壞，影響整個(gè)節點(diǎn)運行。(錯誤 )

　　分析：首先明白什么是RAID，可以參考百科磁盤(pán)陣列。這句話(huà)錯誤的地方在于太絕對，具體情況具體分析。題目不是重點(diǎn)，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?chē)栏癫恍枰�都配備RAID。具體參考第二題。

　　28. 因為 HDFS 有多個(gè)副本，所以 NameNode 是不存在單點(diǎn)問(wèn)題的。(錯誤 )

　　29. 每個(gè) map 槽就是一個(gè)線(xiàn)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(gè)邏輯值 ( org.apache.hadoop.mapred.TaskTracker.TaskLauncher.numFreeSlots )，而不是對應著(zhù)一個(gè)線(xiàn)程或者進(jìn)程

　　30. Mapreduce 的 input split 就是一個(gè) block。(錯誤 )

　　31. NameNode 的 Web UI 端口是 50030，它通過(guò) jetty 啟動(dòng)的 Web 服務(wù)。(錯誤 )

　　32. Hadoop 環(huán)境變量中的 HADOOP_HEAPSIZE 用于設置所有 Hadoop 守護線(xiàn)程的內存。它默認是 200 GB。( 錯誤)

　　hadoop為各個(gè)守護進(jìn)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(shí)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(pán)。(錯誤 )

　　分析：

　　首先明白介紹，什么ClusterID

　　ClusterID

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

　　二次整理

　　有的同學(xué)問(wèn)題的重點(diǎn)不是上面分析內容：內容如下：

　　這個(gè)報錯是說(shuō)明 DataNode 所裝的Hadoop版本和其它節點(diǎn)不一致，應該檢查DataNode的Hadoop版本

【大數據技術(shù)Hadoop筆試題】相關(guān)文章：

阿里巴巴非技術(shù)類(lèi)筆經(jīng)及試題08-13

迅雷2011.10.21筆試題08-10

中興2015筆試題08-02

hadoop崗位職責02-10

數據部監控師筆試題02-11

數據庫概念筆試題12-08

筆經(jīng)：加強型試題07-22

OracleDBA數據庫結構試題選12-12

OracleDBA數據庫結構筆試題12-12

Hadoop就業(yè)前景薪資如何05-16