hadoop常见笔试题答案

Hadoop测试题一．填空题，1分（41空），2分（42空）共125分1.(每空1分)datanode负责HDFS数据存储。2.(每空1分)HDFS中的block默认保存3份。3.(每空1分)ResourceManager程序通常与NameNode在一个节点启动。4.(每空1分)hadoop运行的模式有：单机模式、伪分布模式、完全分布式。5.(每空1分)Hadoop集群搭建中常用的4个配置文件为：、、、。6.(每空2分)HDFS将要存储的大文件进行分割，分割后存放在既定的存储块中，并通过预先设定的优化处理，模式对存储的数据进行预处理，从而解决了大文件储存与计算的需求。7.(每空2分)一个HDFS集群包括两大部分，即namenode与datanode。一般来说，一个集群中会有一个namenode和多个datanode共同工作。8.(每空2分)namenode是集群的主服务器，主要是用于对HDFS中所有的文件及内容数据进行维护，并不断读取记录集群中datanode主机情况与工作状态，并通过读取与写入镜像日志文件的方式进行存储。9.(每空2分)datanode在HDFS集群中担任任务具体执行角色，是集群的工作节点。文件被分成若干个相同大小的数据块，分别存储在若干个datanode上，datanode会定期向集群内namenode发送自己的运行状态与存储内容，并根据namnode发送的指令进行工作。10.(每空2分)namenode负责接受客户端发送过来的信息，然后将文件存储位置信息发送给client，由client直接与datanode进行联系，从而进行部分文件的运算与操作。11.(每空1分)block是HDFS的基本存储单元，默认大小是128M。12.(每空1分)HDFS还可以对已经存储的Block进行多副本备份，将每个Block至少复制到3个相互独立的硬件上，这样可以快速恢复损坏的数据。13.(每空2分)当客户端的读取操作发生错误的时候，客户端会向namenode报告错误，并请求namenode排除错误的datanode后，重新根据距离排序，从而获得一个新的的读取路径。如果所有的datanode都报告读取失败，那么整个任务就读取失败。14.(每空2分)对于写出操作过程中出现的问题，FSDataOutputStream并不会立即关闭。客户端向Namenode报告错误信息，并直接向提供备份的datanode中写入数据。备份datanode被升级为首选datanode，并在其余2个datanode中备份复制数据。NameNode对错误的DataNode进行标记以便后续对其进行处理。15.(每空1分)格式化HDFS系统的命令为：hdfsnamenode–format。16.(每空1分)启动hdfs的shell脚本为：。17.(每空1分)启动yarn的shell脚本为：。18.(每空1分)停止hdfs的shell脚本为：。19.(每空1分)hadoop创建多级目录（如：/a/b/c）的命令为：hadoopfs–mkdir–p/a/b/c。20.(每空1分)hadoop显示根目录命令为：hadoopfs–lsr。21.(每空1分)hadoop包含的四大模块分别是：Hadoopcommon、HDFS、Mapreduce、yarn。22.(每空1分)namenode默认的WebUI访问端口号为：50070。23.(每空1分)ResourceManager默认的WebUI访问端口号为：8088。24.(每空1分)historyServer默认的WebUI访问端口号为：19888。25.(每空1分)修改blocksize大小的属性是：，在配置文件里。26.(每空1分)HDFS中namenode的RPC端口号为：8021，其作用是：接收Client连接的RPC端口，用于获取文件系统metadata信息。27.(每空2分)Mapper类中有4个函数。28.(每空1分)默认NameNode周期性从DataNode接收心跳信号的时间间隔为：3s。29.(每空1分)hadoop集群默认机架感知是启用的。是否正确：错误。30.(每空2分)HadoopMap/ReduceShuffle过程：inputsplit--map函数—内存缓冲区Partitionsortcombinespill--map端merge--reduce端copy—mergereduce函数。31.(每空2分)一个NodeManager能够同时运行最大reduce任务数（默认）：2。32.(每空2分)默认情况下，一个同时运行了namenode，secondarynamenode和ResourceManager的主节点，所使用的内存容量为3000M。33.(每空2分)Hadoop集群中有三种作业调度算法，分别为FIFO调度，计算能力调度和公平调度。34.(每空1分)HA产生的背景是：为了解决单NN可能出现宕机导致集群不可用或数据丢失的问题。35.(每空1分)通过Zookeeper管理两个或者多个NameNode，使一个NameNode为active状态，并且同步每个NN的元数据，如果active状态的NN宕机后马上启用状态为standby状态的备用节点。36.(每空1分)job是客户端需要执行的一个工作单元。37.(每空1分)Hadoop将作业分成若干个task来执行，其中包括：maptask和reducetask。38.(每空2分)combiner是通过Reducer类来定义的。39.(每空2分)map任务将其输出写入到本地磁盘。40.(每空2分)reduce的输出通常存储在HDFS中以实现可靠存储。41.(每空2分)HDFS会对写入的所有数据计算校验和，并在读取数据时验证校验和。42.(每空2分)序列化用于分布式数据处理的两大领域为：进程间通信和永久存储。43.(每空2分)hadoop使用自己的序列化格式为：Writable。二．简答题，3分（17题），5分（5题）共75分1.(3分)简要描述如何安装配置apache的一个开源hadoop，只描述即可，无需列出具体步骤，列出具体步骤更好。答：1使用root账户登录2修改IP3修改host主机名4配置SSH免密码登录5关闭防火墙6安装JDK7解压hadoop安装包8配置hadoop的核心文件，,，9配置hadoop环境变量10格式化hadoopnamenode-format11启动节点2.(3分)请列出正常的hadoop集群中hadoop都分别需要启动哪些进程，他们的作用分别都是什么，请尽量列的详细一些。答：namenode：管理集群，存储数据的原信息，并管理记录datanode中的文件信息。secondarynamenode：它是namenode的一个快照，会根据configuration中设置的值来决定多少时间周期性的去cp一下namenode，记录namenode中的metadata及其它数据。Datanode：存储数据ResourceManager：ResourceManager负责集群中所有资源的统一管理和分配，它接收来自各个节点（NodeManager）的资源汇报信息，并把这些信息按照一定的策略分配给各个应用程序（实际上是ApplicationManager）NodeManager：是YARN中每个节点上的代理，它管理Hadoop集群中单个计算节点(3分)请写出以下的shell命令（1）杀死一个job（2）删除hdfs上的/tmp/aaa目录（3）加入一个新的存储节点和删除一个节点需要执行的命令答：（1）mapredjob-list得到job的id，然后执行mapredjob–killjobId就可以杀死一个指定jobId的job工作了。（2）hadoopfs-rmr/tmp/aaa或者hdfsdfs–rmr/tmp/aaa（3）增加一个新的节点在新的节点上执行startdatanode然后在主节点中执行hdfsdfsadmin-refreshNodes删除一个节点的时候，只需要在主节点执行hdfsdfsadmin–refreshnodes3.(3分)请简述mapreduce中的combine和partition的作用答：combiner是发生在map的最后一个阶段，其原理也是一个小型的reducer，主要作用是减少输出到reduce的个数，减少reducer的输入，提高reducer的执行效率。Partition的主要作用就是指定输出到reduce的个数的。4.(3分)hdfs的体系结构答：HDFS采用了主从（Master/Slave）结构模型，一个HDFS集群是由一个NameNode和若干个DataNode组成的。其中NameNode作为主服务器，管理文件系统的命名空间和客户端对文件的访问操作；集群中的DataNode管理存储的数据5.(3分)三个datanode中当有一个datanode出现错误时会怎样？答：当有一个datanode出现错误的时候，namenode会将那个datanode上的数据拷贝到其他的节点去进行存储。6.(3分)文件大小默认为64M，改为128M有什么影响？答：更改文件的block块大小，需要根据我们的实际生产中来更改block的大小，如果block定义的太小，大的文件都会被切分成太多的小文件，减慢用户上传效率，如果block定义的太大，那么太多的小文件可能都会存到一个block块中，虽然不浪费硬盘资源，可是还是会增加namenode的管理内存压力。7.(3分)NameNode与SecondaryNameNode的区别与联系？答：secondaryNameNode更像是Namenode的一个冷备份，当namenode宕机之后，可以从SecondaryNamenode上面恢复部分数据。8.(5分)在一个运行的hadoop任务中，什么是InputSplit？答：InputSplit是MapReduce对文件进行处理和运算的输入单位，只是一个逻辑概念，每个InputSplit并没有对文件实际的切割，只是记录了要处理的数据的位置(包括文件的path和hosts)和长度(由start和length决定)，默认情况下与block一样大。9.(3分)参考下列M/R系统的场景：hdfs块大小为64MB，输入类为FileInputFormat，有3个文件的大小分别为64KB,65MB,127MB，Hadoop框架会把这些文件拆分为多少块？答：64k-------一个block65MB----两个文件：64MB是一个block，1MB是一个block127MB---两个文件：64MB是一个block,63MB是一个block10.(5分)hadoop中RecordReader的作用是什么？答：RecorderReader是一个接口，主要是用来读取文件的输入键值对的，我们也可以自定义输入的key,value对的读取规则。属于split和mapper之间的一个过程，将inputsplit输出的行为一个转换记录，成为key-value的记录形式提供给mapper11.(3分)Map阶段结束后，Hadoop框架会处理：Partitioning,Shuffle和Sort，在这几个阶段都发生了什么？答：Partition是对输出的key,value进行分区，可以自定义分区，按照业务需求，将map的输出归分到多个不同的文件中将map的输出作为输入传给reducer称为shufflesort是排序的过程，将map的输出，作为reduce的输入之前，我们可以自定义排序，按照key来对map的输出进行排序12.(5分)如果没有定义partitioner，那数据在被送达reducer前是如何被分区的？答：Partitioner是在map函数执行()时被调用。用户可以通过实现自定义的Partitioner来控制哪个key被分配给哪个Reducer。hadoop有一个默认的分区类，HashPartioer类，通过对输