"Hadoop试题题库包含了关于Hadoop生态系统及其相关组件的多个选择题，涵盖了从基础概念到高级特性的各种知识点。"
Hadoop是一个开源的分布式计算框架，主要设计用于处理和存储大规模数据集。它由Apache软件基金会开发，其核心包括两个主要组件：Hadoop Distributed File System (HDFS) 和 MapReduce。
1. Hadoop可以运行在三种不同的模式下：单机（本地）模式、伪分布式模式和分布式模式。单机模式适合于开发和测试环境，伪分布式模式在一个节点上模拟分布式环境，而分布式模式是Hadoop的实际生产环境，运行在多台机器上。
2. Hadoop的作者是Doug Cutting，他以他的儿子的名字命名了这个项目。Hadoop最初是从Nutch搜索引擎项目中发展出来的。
3. 在Hadoop集群中，JobTracker通常与NameNode在同一节点启动，负责任务调度和管理MapReduce作业的执行。而TaskTracker是工作节点，DataNode存储数据，SecondaryNameNode则协助NameNode管理文件系统的元数据。
4. HDFS的默认BlockSize大小通常是128MB或256MB，这取决于具体配置。Block大小的选择影响数据的存储和访问效率。
5. 集群的最主要瓶颈通常在于磁盘IO，而非CPU、网络或内存。因为大量数据的读写操作会显著影响系统性能。
6. MapReduce是一种编程模型，用于大规模数据集的并行计算。它源于Google的学术论文，支持多种语言实现，不只是Java，例如可以用Python和Scala编写MapReduce程序。
7. HDFS设计为一次写入，多次读取的模型，适合处理大型静态数据集，不支持频繁的修改操作。高容错性和高吞吐率是其关键特性。
8. HBase是一个基于HDFS的分布式数据库，适用于实时读取大数据。它依赖HDFS来存储底层数据，并且依赖MapReduce提供强大的计算能力。
9. HBase使用Zookeeper作为分布式协调服务，确保集群中的节点间通信和数据一致性。
10. Zookeeper在HBase中扮演着消息通信机制的角色，确保集群的稳定运行和数据的正确性。
11. HDFS的相似框架包括Google的GFS（Google文件系统），它们都是为大规模分布式存储设计的文件系统。
12. SecondaryNameNode并不是NameNode的热备，它是一个辅助角色，用来定期合并NameNode的编辑日志，从而减少NameNode重启时的恢复时间，但并不保证在NameNode故障时接管其功能。
13. 大数据的特点包括海量数据、高速生成、多样性以及价值密度低，而不包括数据的结构化程度。大数据通常涉及非结构化、半结构化和结构化数据的处理。
