2023年hadoop常見筆試題答案

Ｈadoop測試題一.填空題，1分（41空），2分（４２空）共12５分(每空1分)datａｎｏde負(fù)責(zé)HDFS數(shù)據(jù)存儲。(每空1分)HＤFS中的blocｋ默認(rèn)保存3份。(每空１分)ResourｃeMaｎager程序通常與ＮameNode在一個節(jié)點(diǎn)啟動。(每空1分)ｈadoop運(yùn)營的模式有：單機(jī)模式、偽分布模式、完全分布式。(每空1分)Hadoｏp集群搭建中常用的4個配置文獻(xiàn)為:ｃoｒｅ-site．ｘml、hｄfs-site.xml、ｍａpred-sitｅ.ｘml、yａrn－siｔe.xml。(每空２分)HDFS將要存儲的大文獻(xiàn)進(jìn)行分割，分割后存放在既定的存儲塊中,并通過預(yù)先設(shè)定的優(yōu)化解決,模式對存儲的數(shù)據(jù)進(jìn)行預(yù)解決,從而解決了大文獻(xiàn)儲存與計(jì)算的需求。(每空2分)一個ＨDFS集群涉及兩大部分,即namenode與datanode。一般來說，一個集群中會有一個namenode和多個dataｎoｄｅ共同工作。（每空２分)nameｎｏde是集群的主服務(wù)器,重要是用于對HDFS中所有的文獻(xiàn)及內(nèi)容數(shù)據(jù)進(jìn)行維護(hù)，并不斷讀取記錄集群中daｔａnode主機(jī)情況與工作狀態(tài)，并通過讀取與寫入鏡像日記文獻(xiàn)的方式進(jìn)行存儲。(每空２分)datanode在HDFＳ集群中擔(dān)任任務(wù)具體執(zhí)行角色,是集群的工作節(jié)點(diǎn)。文獻(xiàn)被提成若干個相同大小的數(shù)據(jù)塊，分別存儲在若干個ｄatａnode上,datanode會定期向集群內(nèi)ｎameｎoｄe發(fā)送自己的運(yùn)營狀態(tài)與存儲內(nèi)容,并根據(jù)namnode發(fā)送的指令進(jìn)行工作。（每空2分）namenoｄe負(fù)責(zé)接受客戶端發(fā)送過來的信息,然后將文獻(xiàn)存儲位置信息發(fā)送給cｌｉent,由clieｎt直接與datanode進(jìn)行聯(lián)系,從而進(jìn)行部分文獻(xiàn)的運(yùn)算與操作。(每空１分)bｌock是HDFS的基本存儲單元，默認(rèn)大小是12８M。(每空1分)ＨDFS還可以對已經(jīng)存儲的Bｌock進(jìn)行多副本備份，將每個Bｌｏcｋ至少復(fù)制到３個互相獨(dú)立的硬件上,這樣可以快速恢復(fù)損壞的數(shù)據(jù)。(每空2分)當(dāng)客戶端的讀取操作發(fā)生錯誤的時候，客戶端會向ｎａmenoｄe報告錯誤，并請求ｎamenode排除錯誤的datａnode后,重新根據(jù)距離排序，從而獲得一個新的的讀取途徑。假如所有的ｄatanｏｄe都報告讀取失敗，那么整個任務(wù)就讀取失敗。(每空2分）對于寫出操作過程中出現(xiàn)的問題，F(xiàn)SDatａOｕｔpuｔＳtrｅａm并不會立即關(guān)閉?？蛻舳讼騈amｅnode報告錯誤信息,并直接向提供備份的dａｔanodｅ中寫入數(shù)據(jù)。備份ｄaｔaｎode被升級為首選daｔａｎode,并在其余２個daｔanoｄｅ中備份復(fù)制數(shù)據(jù)。NａmｅNode對錯誤的ＤａｔａNｏde進(jìn)行標(biāo)記以便后續(xù)對其進(jìn)行解決。(每空1分)格式化ＨDFS系統(tǒng)的命令為:hｄfsｎamｅnode–forｍaｔ。(每空1分)啟動ｈdfs的shell腳本為:stａrt-dｆs.sh。（每空１分)啟動yａrn的shｅll腳本為：staｒｔ－ｙarｎ．ｓh。(每空１分）停止hdfs的shell腳本為：ｓｔop-dfs.sh。(每空1分）hadoop創(chuàng)建多級目錄(如:/a/b/c）的命令為:ｈadｏoｐｆｓ–ｍkｄｉr–ｐ/a/b/c。(每空1分)ｈadooｐ顯示根目錄命令為：hａdoopｆｓ–lsr。(每空1分)ｈadｏoｐ包含的四大模塊分別是:Hadｏｏpcommon、HDFＳ、Mａpｒeduｃe、yarn。(每空1分)namenode默認(rèn)的WebUI訪問端標(biāo)語為:50070。(每空1分）RｅsourceＭanａｇer默認(rèn)的WebUI訪問端標(biāo)語為:8０88。(每空1分)historySｅrver默認(rèn)的WebUI訪問端標(biāo)語為:1988８。(每空1分)修改blocｋsize大小的屬性是:dfs.blocｋsｉze，在hｄfs-ｓｉtｅ.xｍl配置文獻(xiàn)里。(每空1分)HＤFS中naｍenode的RPC端標(biāo)語為：8０21,其作用是:接受Clienｔ連接的RPC端口,用于獲取文獻(xiàn)系統(tǒng)ｍetadaｔａ信息。(每空2分）Mapｐｅr類中有4個函數(shù)。(每空1分)默認(rèn)NameNoｄe周期性從DaｔaNode接受心跳信號的時間間隔為:3s。(每空1分)haｄoop集群默認(rèn)機(jī)架感知是啟用的。是否對的：錯誤。(每空2分)HａdoopMap/RedｕcｅShufflｅ過程:iｎputspｌiｔ－－>ｍap函數(shù)—＞內(nèi)存緩沖區(qū)Parｔitionsortcombineｓpill--＞mａp端mergｅ-->redｕce端copｙ—>meｒｇeｒedｕce函數(shù)。(每空2分）一個NodeManager可以同時運(yùn)營最大reduce任務(wù)數(shù)（默認(rèn)）：2。(每空2分）默認(rèn)情況下，一個同時運(yùn)營了namenode,secondaｒynａmｅnode和RｅsourceManａger的主節(jié)點(diǎn),所使用的內(nèi)存容量為3０00M。（每空2分）Ｈadooｐ集群中有三種作業(yè)調(diào)度HYPEＲLINK""＼o"算法與數(shù)據(jù)結(jié)構(gòu)知識庫"＼t＂_ｂlａnk＂算法,分別為FＩFO調(diào)度，計(jì)算能力調(diào)度和公平調(diào)度。(每空1分)HA產(chǎn)生的背景是：為了解決單NN也許出現(xiàn)宕機(jī)導(dǎo)致集群不可用或數(shù)據(jù)丟失的問題。(每空1分)通過Zｏokeｅpeｒ管理兩個或者多個ＮaｍｅNｏde,使一個NameNｏdｅ為acｔiｖe狀態(tài),并且同步每個ＮN的元數(shù)據(jù),假如actｉｖe狀態(tài)的ＮN宕機(jī)后立即啟用狀態(tài)為ｓｔandbｙ狀態(tài)的備用節(jié)點(diǎn)。(每空1分)ｊob是客戶端需要執(zhí)行的一個工作單元。(每空1分)Ｈadoop將作業(yè)提成若干個ｔａsk來執(zhí)行,其中涉及：maptaｓk和rｅｄucetaｓk。（每空２分)coｍbiner是通過Reducer類來定義的。(每空２分)map任務(wù)將其輸出寫入到本地磁盤。(每空2分)rｅｄｕｃｅ的輸出通常存儲在HDＦＳ中以實(shí)現(xiàn)可靠存儲。(每空２分)HDFS會對寫入的所有數(shù)據(jù)計(jì)算校驗(yàn)和,并在讀取數(shù)據(jù)時驗(yàn)證校驗(yàn)和。(每空2分)序列化用于分布式數(shù)據(jù)解決的兩大領(lǐng)域?yàn)椋哼M(jìn)程間通信和永久存儲。(每空2分）hadoｏp使用自己的序列化格式為：Ｗritable。二．簡答題,3分(１7題)，５分（5題）共75分(3分)簡要描述如何安裝配置apacｈｅ的一個開源hadoｏp,只描述即可,無需列出具體環(huán)節(jié)，列出具體環(huán)節(jié)更好。答:1使用roｏt賬戶登錄2修改IP3修改hｏｓt主機(jī)名4配置SSH免密碼登錄5關(guān)閉防火墻６安裝JDK7解壓ｈaｄoop安裝包8配置ｈａdoop的核心文獻(xiàn)haｄooｐ－eｎv.sh,core-sｉte.xml,mapred-site.ｘml,ｈｄfs－site.ｘｍl9配置ｈadｏop環(huán)境變量１0格式化hadoｏpnａmenｏde-formａt(yī)1１啟動節(jié)點(diǎn)ｓｔarｔ－all.ｓh(3分）請列出正常的hadｏop集群中hａdoop都分別需要啟動哪些進(jìn)程,他們的作用分別都是什么,請盡量列的具體一些。答:namenｏde:管理集群,存儲數(shù)據(jù)的原信息,并管理記錄datanode中的文獻(xiàn)信息。ｓｅcondarｙnamｅnode:它是nａmenode的一個快照,會根據(jù)confｉguｒａt(yī)ioｎ中設(shè)立的值來?

決定多少時間周期性的去ｃp一下ｎameｎoｄe，記錄naｍenode中的ｍetａdatａ及其它數(shù)據(jù)。Ｄatａnode：存儲數(shù)據(jù)ReｓourceMａnager:ReｓｏｕrceManager負(fù)責(zé)集群中所有資源的統(tǒng)一管理和分派，它接受來自各個節(jié)點(diǎn)（NoｄeMaｎager)的資源報告信息，并把這些信息按照一定的策略分派給各個應(yīng)用程序（事實(shí)上是ApplｉcaｔｉonＭａnageｒ)NｏdｅＭanager：是YＡＲN中每個節(jié)點(diǎn)上的代理,它管理HYＰEＲLINK＂"\ｏ"Hadoｏp知識庫"＼t＂_ｂｌank＂Haｄoop集群中單個計(jì)算節(jié)點(diǎn)??(3分)請寫出以下的shell命令?（1）殺死一個job(2）刪除ｈdｆs上的／tmp／aaa目錄（３)加入一個新的存儲節(jié)點(diǎn)和刪除一個節(jié)點(diǎn)需要執(zhí)行的命令答:（1)mapredjob-list得到j(luò)ob的id，然后執(zhí)行mapredjob–ｋiｌｌjobId就可以殺死一個指定ｊobId的ｊob工作了。(2)haｄoopfs-rｍr/ｔmｐ/aaa或者h(yuǎn)dfsdfｓ–rmr/tmp/aａａ(3）增長一個新的節(jié)點(diǎn)在新的節(jié)點(diǎn)上執(zhí)行? ｈadoop－ｄaemoｎ．shｓtartdatanode 然后在主節(jié)點(diǎn)中執(zhí)行hｄｆｓdfｓaｄmin-reｆrｅsｈＮoｄes?刪除一個節(jié)點(diǎn)的時候,只需要在主節(jié)點(diǎn)執(zhí)行hdｆｓｄｆsadmｉn–refreshnodes（3分)請簡述mapreduｃe中的combine和parｔitｉｏｎ的作用答:ｃomｂinｅr是發(fā)生在mａp的最后一個階段，其原理也是一個小型的rｅduｃｅr，重要作用是減少輸出到reduce的個數(shù)，減少rｅｄucer的輸入,提高ｒedｕｃｅｒ的執(zhí)行效率。Partｉtiｏn的重要作用就是指定輸出到redｕｃe的個數(shù)的。（3分)hｄfs的體系結(jié)構(gòu)答：HDFS采用了主從(Master/Slavｅ)結(jié)構(gòu)模型，一個HＤFS集群是由一個NameNode和若干個DataNoｄe組成的。其中NａmeＮoｄｅ作為主服務(wù)器,管理文獻(xiàn)系統(tǒng)的命名空間和客戶端對文獻(xiàn)的訪問操作;集群中的DataNｏｄｅ管理存儲的數(shù)據(jù)(3分)三個dａｔanode中當(dāng)有一個ｄatａnoｄe出現(xiàn)錯誤時會如何？答：當(dāng)有一個daｔaｎode出現(xiàn)錯誤的時候,nａmeｎode會將那個datanoｄｅ上的數(shù)據(jù)拷貝到其他的節(jié)點(diǎn)去進(jìn)行存儲。(3分)文獻(xiàn)大小默認(rèn)為６4M,改為1２8M有什么影響?答：更改文獻(xiàn)的ｂlock塊大小，需要根據(jù)我們的實(shí)際生產(chǎn)中來更改block的大小,假如blｏcｋ定義的太小,大的文獻(xiàn)都會被切提成太多的小文獻(xiàn),減慢用戶上傳效率,假如blocｋ定義的太大，那么太多的小文獻(xiàn)也許都會存到一個block塊中,雖然不浪費(fèi)硬盤資源，可是還是會增長nａmenｏde的管理內(nèi)存壓力。(3分)ＮａｍeNode與SeｃondarｙNameNode的區(qū)別與聯(lián)系?答:secondａryＮameNode更像是Namenoｄe的一個冷備份,當(dāng)nａmenｏｄe宕機(jī)之后,可以從SeｃondaryNａmｅnode上面恢復(fù)部分?jǐn)?shù)據(jù)。（5分)在一個運(yùn)營的hadooｐ任務(wù)中,什么是InpuｔSpｌｉt？答:ＩnpｕｔSpliｔ是MaｐReduce對文獻(xiàn)進(jìn)行解決和運(yùn)算的輸入單位,只是一個邏輯概念，每個ＩnpuｔSpｌit并沒有對文獻(xiàn)實(shí)際的切割，只是記錄了要解決的數(shù)據(jù)的位置(涉及文獻(xiàn)的pａt(yī)h和hosts）和長度（由staｒt和lｅｎgth決定),默認(rèn)情況下與block同樣大。（３分)參考下列M/R系統(tǒng)的場景：ｈdfs塊大小為6４MB，輸入類為ＦｉｌeInputＦormａｔ,有3個文獻(xiàn)的大小分別為64KB，６5MB,127MB，Haｄoop框架會把這些文獻(xiàn)拆分為多少塊？答：6４k-－---－-＞一個bｌｏck65ＭB-－－-＞兩個文獻(xiàn)：6４ＭＢ是一個blocｋ,1MB是一個bloｃk127ＭB－-->兩個文獻(xiàn)：64MB是一個blocｋ,６3ＭＢ是一個blｏck(5分）haｄooｐ中ReｃoｒｄReader的作用是什么?答:RecorｄerRｅader是一個接口,重要是用來讀取文獻(xiàn)的輸入鍵值對的，我們也可以自定義輸入的keｙ,ｖａlｕe對的讀取規(guī)則。屬于split和ｍａｐpeｒ之間的一個過程,將inpuｔspliｔ輸出的行為一個轉(zhuǎn)換記錄,成為key－vａlｕe的記錄形式提供應(yīng)ｍａppeｒ(３分）Map階段結(jié)束后,Hａdｏop框架會解決：Partitioｎinｇ,Sｈuｆflｅ和Sorｔ，在這幾個階段都發(fā)生了什么?答：Ｐartiｔion是對輸出的keｙ，ｖalｕe進(jìn)行分區(qū),可以自定義分區(qū)，按照業(yè)務(wù)需求,將map的輸出歸分到多個不同的文獻(xiàn)中 將map的輸出作為輸入傳給reducｅr稱為sｈufｆｌe?sorｔ是排序的過程，將maｐ的輸出,作為reduce的輸入之前，我們可以自定義排序，按照kｅｙ來對map的輸出進(jìn)行排序(5分)假如沒有定義partｉtioｎeｒ,那數(shù)據(jù)在被送達(dá)redｕcｅr前是如何被分區(qū)的?答：Partｉtiｏner是在ｍap函數(shù)執(zhí)行cｏntｅxt.ｗｒite()時被調(diào)用。用戶可以通過實(shí)現(xiàn)自定義的Ｐaｒtiｔｉoner來控制哪個kｅy被分派給哪個Ｒedｕcｅｒ。ｈaｄoop有一個默認(rèn)的分區(qū)類，HａshPaｒtioer類，通過對輸入的k２去hash值來確認(rèn)maｐ輸出的k２，ｖ2送到哪一個reduｃe中去執(zhí)行。（3分)什么是cｏｍbｉｎer?答：combineｒ就是規(guī)約操作,通過對map輸出的數(shù)量進(jìn)行規(guī)約,可以減少reduｃe的數(shù)量,提高執(zhí)行效率。coｍｂｉner的輸入輸出類型必須和ｍaｐｐｅr的輸出以及redｕｃer的輸入類型一致(3分)分別舉例什么情況要使用ｃｏmｂiner，什么情況不使用？答：求平均數(shù)的時候就不需要用cｏmbinｅr,由于不會減少ｒeducｅ執(zhí)行數(shù)量。在其他的時候,可以依據(jù)情況，使用ｃoｍbiner,來減少map的輸出數(shù)量,減少拷貝到reducｅ的文獻(xiàn),從而減輕reｄｕce的壓力,節(jié)省網(wǎng)絡(luò)開銷，提高執(zhí)行效率(５分)簡述Hadooｐ中ｒeplicａｔｉon（復(fù)本）放置策略?答：Ｈaｄooｐ的默認(rèn)布局策略是在運(yùn)營客戶端的節(jié)點(diǎn)上放第一個復(fù)本;第二個復(fù)本放在與第一個不同且隨機(jī)此外選擇的機(jī)架中的節(jié)點(diǎn)上(離架）；第三個復(fù)本與第二個復(fù)本放在同一個機(jī)架上，且隨機(jī)選擇另一個節(jié)點(diǎn)。(5分)如何為一個hadoop任務(wù)設(shè)立mａpperｓ的數(shù)量？答：ｍap的數(shù)量通常是由ｈaｄｏop集群的DFS塊大小擬定的，也就是輸入文獻(xiàn)的總塊數(shù),正常的map數(shù)量的并行規(guī)模大體是每一個Ｎode是1０~10０個，對于CPU消耗較小的作業(yè)可以設(shè)立Ｍａp數(shù)量為3００個左右,但是由于ｈａdoop的沒一個任務(wù)在初始化時需要一定的時間,因此比較合理的情況是每個map執(zhí)行的時間至少超過1分鐘。具體的數(shù)據(jù)分片是這樣的,InｐutＦormaｔ在默認(rèn)情況下會根據(jù)hadoｏp集群的DＦS塊大小進(jìn)行分片,每一個分片會由一個mａp任務(wù)來進(jìn)行解決,當(dāng)然用戶還是可以通過參數(shù)maｐred.mｉｎ.sｐｌｉt.siｚe參數(shù)在作業(yè)提交客戶端進(jìn)行自定義設(shè)立。尚有一個重要參數(shù)就是mapreｄ.map．tａskｓ,這個參數(shù)設(shè)立的map數(shù)量僅僅是一個提醒,只有當(dāng)ＩnputFoｒmat決定了ｍap任務(wù)的個數(shù)比maprｅd．ｍaｐ.tasks值小時才起作用。同樣,Ｍａp任務(wù)的個數(shù)也能通過使用JobConf的conｆ．setＮｕmMapTａｓｋs(inｔnuｍ)方法來手動地設(shè)立。這個方法可以用來增長ｍaｐ任務(wù)的個數(shù)，但是不能設(shè)定任務(wù)的個數(shù)小于Hadooｐ系統(tǒng)通過度割輸入數(shù)據(jù)得到的值。當(dāng)然為了提高集群的并發(fā)效率,可以設(shè)立一個默認(rèn)的mａｐ數(shù)量，當(dāng)用戶的map數(shù)量較小或者比自身自動分割的值還小時可以使用一個相對交大的默認(rèn)值,從而提高整體had