Hadoop大数据面试题及答案解析

2 下载量 54 浏览量 更新于2024-06-27 收藏 34KB DOCX 举报
该文档是一份关于大数据面试的题目集,包含了多项选择题、多选题和判断题,主要涵盖Hadoop及其相关组件的基础知识,包括HDFS、Hadoop架构、集群管理和监控工具等方面。 1. HDFS数据存储由Datanode负责,NameNode主要管理元数据。 2. HDFS中的block默认保存3份,以确保数据的高可用性。 3. NameNode通常与DataNode在同一节点启动,以高效地协调数据存储和检索。 4. Hadoop的作者是Doug cutting,他是Apache Hadoop项目的创始人。 5. HDFS的默认BlockSize通常是128MB,这个大小可以根据实际需求进行调整。 6. 集群的最主要瓶颈往往是磁盘,因为数据读写速度直接影响系统性能。 7. SecondaryNameNode并非NameNode的热备,它的主要任务是协助NameNode合并编辑日志,减少NameNode重启时的恢复时间。 8. 集群管理工具有Puppet、Pdsh、Cloudera Manager和Zookeeper,它们用于集群配置、监控和管理。 9. 机架感知配置使得数据在不同的机架上分布,提高容错性和网络效率。 10. Client端上传文件时,会将文件切分成Block并直接上传到多个DataNode,而不是通过NameNode传递。 11. Hadoop可以运行在单机版、伪分布式和分布式模式下,分别用于开发测试和大规模生产环境。 12. Cloudera提供了多种安装CDH(Cloudera Distribution Including Apache Hadoop)的方法,包括Cloudera Manager、Tarball、Yum和Rpm。 13. Ganglia不仅能够监控,还支持设置告警,以通知集群状态异常。 14. HDFS的BlockSize是可以修改的,根据需要进行配置。 15. Nagios可以监控Hadoop集群,通过插件扩展来支持不同服务的监控。 16. 如果NameNode失效,SecondaryNameNode并不会立即接管,而是作为辅助角色帮助恢复。 17. Cloudera CDH提供免费社区版本和付费企业版本。 18. MapReduce并不只支持Java编写,还可以使用其他编程语言如Python、Perl等。 19. HDFS不支持数据的随机读写,而是设计为顺序访问和批量处理。 20. NameNode管理metadata,但通常metadata缓存在内存中,而非每次请求都从磁盘读取。 21. NameNode的确在本地磁盘上保存Block的位置信息,以便快速查找数据。 22. DataNode确实通过长连接与NameNode保持通信,以实时同步数据和状态信息。 23. Hadoop虽然有副本机制,但NameNode仍然是单点,可能存在单点故障问题。 24. Slave节点如DataNode需要存储数据,因此大磁盘有助于提高存储容量。 25. `hadoop dfsadmin -report`命令用于报告HDFS的总体状态,包括损坏块。 26. Hadoop默认调度器是FIFO(先进先出),简单且公平。 27. 集群内推荐使用RAID以提高数据安全性,但不是必须的,具体取决于预算和需求。 28. 即使HDFS有多副本,NameNode仍存在单点问题,需要额外的高可用方案解决。 29. 每个map槽对应一个执行任务的线程。 30. MapReduce的input split通常基于数据块(Block)进行划分。 31. NameNode的Web UI端口是50030,该服务基于Jetty运行。 32. 文档中的内容并未完成,可能还有其他题目未列出。 这份面试题集涵盖了Hadoop生态系统的基础知识,对于准备大数据相关职位面试的人来说,是很好的复习材料。
2022-12-24 上传
单项选择题 1. 下面哪个程序负责 HDFS 数据存储。   a)NameNode   b)Jobtracker   c)Datanode   d)secondaryNameNode   e)tasktracker 2. 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 NameNode 在一个节点启动?   a)SecondaryNameNode   b)DataNode   c)TaskTracker   d)Jobtracker 4. Hadoop 作者   a)Martin Fowler   b)Kent Beck   c)Doug cutting 5. HDFS 默认 Block Size   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)Cloudera Manager   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)Cloudera manager   b)Tar ball   c)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 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. hadoop dfsadmin –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 input split 就是一个 block。( ) 31. NameNode 的 Web UI 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 200 GB。( ) 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。( ) 别走开,答案在后