Ｈadoop測試題一.填空題，1分（41空），2分（４２空）共12５分(每空1分)datａｎｏde負責HDFS數(shù)據(jù)存儲。(每空1分)HＤFS中的blocｋ默認保存3份。(每空１分)ResourｃeMaｎager程序通常與ＮameNode在一個節(jié)點啟動。(每空1分)ｈadoop運營的模式有：單機模式、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將要存儲的大文獻進行分割，分割后存放在既定的存儲塊中,并通過預先設定的優(yōu)化解決,模式對存儲的數(shù)據(jù)進行預解決,從而解決了大文獻儲存與計算的需求。(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是集群的主服務器,重要是用于對HDFS中所有的文獻及內(nèi)容數(shù)據(jù)進行維護，并不斷讀取記錄集群中daｔａnode主機情況與工作狀態(tài)，并通過讀取與寫入鏡像日記文獻的方式進行存儲。(每空２分)datanode在HDFＳ集群中擔任任務具體執(zhí)行角色,是集群的工作節(jié)點。文獻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)送自己的運營狀態(tài)與存儲內(nèi)容,并根據(jù)namnode發(fā)送的指令進行工作。（每空2分）namenoｄe負責接受客戶端發(fā)送過來的信息,然后將文獻存儲位置信息發(fā)送給cｌｉent,由clieｎt直接與datanode進行聯(lián)系,從而進行部分文獻的運算與操作。(每空１分)bｌock是HDFS的基本存儲單元，默認大小是12８M。(每空1分)ＨDFS還可以對已經(jīng)存儲的Bｌock進行多副本備份，將每個Bｌｏcｋ至少復制到３個互相獨立的硬件上,這樣可以快速恢復損壞的數(shù)據(jù)。(每空2分)當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中備份復制數(shù)據(jù)。NａmｅNode對錯誤的ＤａｔａNｏde進行標記以便后續(xù)對其進行解決。(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默認的WebUI訪問端標語為:50070。(每空1分）RｅsourceＭanａｇer默認的WebUI訪問端標語為:8０88。(每空1分)historySｅrver默認的WebUI訪問端標語為:1988８。(每空1分)修改blocｋsize大小的屬性是:dfs.blocｋsｉze，在hｄfs-ｓｉtｅ.xｍl配置文獻里。(每空1分)HＤFS中naｍenode的RPC端標語為：8０21,其作用是:接受Clienｔ連接的RPC端口,用于獲取文獻系統(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集群默認機架感知是啟用的。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可以同時運營最大reduce任務數(shù)（默認）：2。(每空2分）默認情況下，一個同時運營了namenode,secondaｒynａmｅnode和RｅsourceManａger的主節(jié)點,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)構知識庫"＼t＂_ｂlａnk＂算法,分別為FＩFO調(diào)度，計算能力調(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)宕機導致集群不可用或數(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宕機后立即啟用狀態(tài)為ｓｔandbｙ狀態(tài)的備用節(jié)點。(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中以實現(xiàn)可靠存儲。(每空２分)HDFS會對寫入的所有數(shù)據(jù)計算校驗和,并在讀取數(shù)據(jù)時驗證校驗和。(每空2分)序列化用于分布式數(shù)據(jù)解決的兩大領域為：進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主機名4配置SSH免密碼登錄5關閉防火墻６安裝JDK7解壓ｈaｄoop安裝包8配置ｈａdoop的核心文獻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中的文獻信息。ｓｅcondarｙnamｅnode:它是nａmenode的一個快照,會根據(jù)confｉguｒａt(yī)ioｎ中設立的值來?

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負責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（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用程序（事實上是ApplｉcaｔｉonＭａnageｒ)NｏdｅＭanager：是YＡＲN中每個節(jié)點上的代理,它管理HYＰEＲLINK＂"\ｏ"Hadoｏp知識庫"＼t＂_ｂｌank＂Haｄoop集群中單個計算節(jié)點??(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)點和刪除一個節(jié)點需要執(zhí)行的命令答:（1)mapredjob-list得到job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hdfsdfｓ–rmr/tmp/aａａ(3）增長一個新的節(jié)點在新的節(jié)點上執(zhí)行? ｈadoop－ｄaemoｎ．shｓtartdatanode 然后在主節(jié)點中執(zhí)行hｄｆｓdfｓaｄmin-reｆrｅsｈＮoｄes?刪除一個節(jié)點的時候,只需要在主節(jié)點執(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)構答：HDFS采用了主從(Master/Slavｅ)結(jié)構模型，一個HＤFS集群是由一個NameNode和若干個DataNoｄe組成的。其中NａmeＮoｄｅ作為主服務器,管理文獻系統(tǒng)的命名空間和客戶端對文獻的訪問操作;集群中的DataNｏｄｅ管理存儲的數(shù)據(jù)(3分)三個dａｔanode中當有一個ｄatａnoｄe出現(xiàn)錯誤時會如何？答：當有一個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)點去進行存儲。(3分)文獻大小默認為６4M,改為1２8M有什么影響?答：更改文獻的ｂlock塊大小，需要根據(jù)我們的實際生產(chǎn)中來更改block的大小,假如blｏcｋ定義的太小,大的文獻都會被切提成太多的小文獻,減慢用戶上傳效率,假如blocｋ定義的太大，那么太多的小文獻也許都會存到一個block塊中,雖然不浪費硬盤資源，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nａmenｏｄe宕機之后,可以從SeｃondaryNａmｅnode上面恢復部分數(shù)據(jù)。（5分)在一個運營的hadooｐ任務中,什么是InpuｔSpｌｉt？答:ＩnpｕｔSpliｔ是MaｐReduce對文獻進行解決和運算的輸入單位,只是一個邏輯概念，每個ＩnpuｔSpｌit并沒有對文獻實際的切割，只是記錄了要解決的數(shù)據(jù)的位置(涉及文獻的pａt(yī)h和hosts）和長度（由staｒt和lｅｎgth決定),默認情況下與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個文獻的大小分別為64KB，６5MB,127MB，Haｄoop框架會把這些文獻拆分為多少塊？答：6４k-－---－-＞一個bｌｏck65ＭB-－－-＞兩個文獻：6４ＭＢ是一個blocｋ,1MB是一個bloｃk127ＭB－-->兩個文獻：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進行分區(qū),可以自定義分區(qū)，按照業(yè)務需求,將map的輸出歸分到多個不同的文獻中 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的輸出進行排序(5分)假如沒有定義partｉtioｎeｒ,那數(shù)據(jù)在被送達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有一個默認的分區(qū)類，HａshPaｒtioer類，通過對輸入的k２去hash值來確認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,從而減輕reｄｕce的壓力,節(jié)省網(wǎng)絡開銷，提高執(zhí)行效率(５分)簡述Hadooｐ中ｒeplicａｔｉon（復本）放置策略?答：Ｈaｄooｐ的默認布局策略是在運營客戶端的節(jié)點上放第一個復本;第二個復本放在與第一個不同且隨機此外選擇的機架中的節(jié)點上(離架）；第三個復本與第二個復本放在同一個機架上，且隨機選擇另一個節(jié)點。(5分)如何為一個hadoop任務設立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)可以設立Ｍａp數(shù)量為3００個左右,但是由于ｈａdoop的沒一個任務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在默認情況下會根據(jù)hadoｏp集群的DＦS塊大小進行分片,每一個分片會由一個mａp任務來進行解決,當然用戶還是可以通過參數(shù)maｐred.mｉｎ.sｐｌｉt.siｚe參數(shù)在作業(yè)提交客戶端進行自定義設立。尚有一個重要參數(shù)就是mapreｄ.map．tａskｓ,這個參數(shù)設立的map數(shù)量僅僅是一個提醒,只有當ＩnputFoｒmat決定了ｍap任務的個數(shù)比maprｅd．ｍaｐ.tasks值小時才起作用。同樣,Ｍａp任務的個數(shù)也能通過使用JobConf的conｆ．setＮｕmMapTａｓｋs(inｔnuｍ)方法來手動地設立。這個方法可以用來增長ｍaｐ任務的個數(shù)，但是不能設定任務的個數(shù)小于Hadooｐ系統(tǒng)通過度割輸入數(shù)據(jù)得到的值。當然為了提高集群的并發(fā)效率,可以設立一個默認的mａｐ數(shù)量，當用戶的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值,從而提高整體had