干货 | 98道常见Hadoop面试题及答案解析（一）

这是一篇hadoop的测试题及答案解析，题目种类挺多，一共有98道题，题目难度不大，对于高手来说，90分以上才是你的追求。

1  单选题

1.1 下面哪个程序负责 HDFS 数据存储。

a)NameNode
b)Jobtracker
c)Datanode
d)secondaryNameNode
e)tasktracker

答案 C datanode

1.2 HDfS 中的 block 默认保存几份？

a)3 份
b)2 份
c)1 份
d)不确定

答案 A 默认 3份

1.3 下列哪个程序通常与 NameNode 在一个节点启动？

a)SecondaryNameNode
b)DataNode
c)TaskTracker
d)Jobtracker

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 secondary ，NameNode（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。
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。
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。
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。

1.4 Hadoop 作者

a)Martin Fowler
b)Kent Beck
c)Doug cutting

答案 C Doug cutting

1.5 HDFS 默认 Block Size 

a)32MB
b)64MB
c)128MB

答案：B

1.6 下列哪项通常是集群的最主要瓶颈：

a)CPU
b)网络
c)磁盘 IO
d)内存

答案：C 磁盘
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。

1.7 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。

答案 C

2  多选题

2.1 下列哪项可以作为集群的管理？

a)Puppet
b)Pdsh
c)Cloudera Manager
d)Zookeeper

答案：ABD

2.2 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

答案 ABC

2.3 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

答案 B，该题分析：
lient 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。

2.4 下列哪个是 Hadoop 运行的模式：

a)单机版
b)伪分布式
c)分布式

答案 ABC

2.5 Cloudera 提供哪几种安装 CDH 的方法？

a)Cloudera manager
b)Tarball
c)Yum
d)Rpm

答案：ABCD

3  判断题

3.1 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。

3.2 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 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），hadoop-site.xml 中主要配置需要覆盖的 hadoop-default.xml 的系统级配置。

3.3 Nagios 不可以监控 Hadoop 集群，因为它不提供 Hadoop 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

3.4 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

3.5 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。收费采取合约订购方式，价格随用的 Hadoop 叢集大小变动。

3.6 Hadoop 是 Java 开发的，所以 MapReduce 只支持 Java 语言编写。（错误 ）

分析：rhadoop 是用 R 语言开发的，MapReduce 是一个框架，可以理解是一种思想，可以使用其他语言开发。

3.7 Hadoop 支持数据的随机读写。（错 ）

分析：lucene是支持随机读写的，而 hdfs 只支持随机读。但是 HBase 可以来补救。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“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。

3.8 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。（错误）

此题分析：NameNode 不需要从磁盘读取 metadata，所有数据都在内存中，硬盘上的只是序列化的结果，只有每次 namenode 启动的时候才会读取。1）文件写入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。2）文件读取Client 向 NameNode 发起文件读取的请求。

3.9 NameNode 本地磁盘保存了 Block 的位置信息。（ 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。

3.10 DataNode 通过长连接与 NameNode 保持通信。（有分歧 ）

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.未完待续 End 
阅读排行榜/精华推荐1入门学习如果有人质疑大数据？不妨把这两个视频转给他 视频：大数据到底是什么 都说干大数据挣钱 1分钟告诉你都在干什么人人都需要知道 关于大数据最常见的10个问题2进阶修炼从底层到应用，那些数据人的必备技能如何高效地学好 R?一个程序员怎样才算精通Python？3数据源爬取/收集排名前50的开源Web爬虫用于数据挖掘33款可用来抓数据的开源爬虫软件工具在中国我们如何收集数据？全球数据收集大教程4干货教程PPT：数据可视化，到底该用什么软件来展示数据？干货｜电信运营商数据价值跨行业运营的现状与思考大数据分析的集中化之路 建设银行大数据应用实践PPT【实战PPT】看工商银行如何利用大数据洞察客户心声？              六步，让你用Excel做出强大漂亮的数据地图 数据商业的崛起 解密中国大数据第一股——国双双11剁手幕后的阿里“黑科技” OceanBase/金融云架构/ODPS/dataV金融行业大数据用户画像实践
“讲述大数据在金融、电信、工业、商业、电子商务、网络游戏、移动互联网等多个领域的应用，以中立、客观、专业、可信赖的态度，多层次、多维度地影响着最广泛的大数据人群


36大数据长按识别二维码，关注36大数据
搜索「36大数据」或输入36dsj.com查看更多内容。投稿/商务/合作:dashuju36@qq.com
点击下方“阅读原文”查看更多↓↓↓