分享要面试的你一套大数据技术Hadoop面试题（附答案）

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?　关注作者：需要大数据学习视频资料，其他文章可以找到我

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，答案在后面哦!

答案单选题

• 1.下面哪个程序负责 HDFS 数据存储。答案C datanode

a)NameNode　　b)Jobtracker　　c)Datanode　　d)secondaryNameNode

e)tasktracker

• 2. HDfS 中的 block 默认保存几份? 答案A默认3分　　

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?答案D　　

a)SecondaryNameNode

b)DataNode

c)TaskTracker

d)Jobtracker

此题分析：

hadoop的集群是基于master/slave模式，namenode和jobtracker属于master，datanode和tasktracker属于slave，master只有一个，而slave有多个SecondaryNameNode内存需求和NameNode在一个数量级上，所以通常secondary NameNode(运行在单独的物理机器上)和NameNode运行在不同的机器上。

JobTracker和TaskTrackerJobTracker 对应于 NameNodeTaskTracker 对应于 DataNodeDataNode 和NameNode 是针对数据存放来而言的

JobTracker和TaskTracker是对于MapReduce执行而言的

mapreduce中几个主要概念，mapreduce整体上可以分为这么几条执行线索：obclient，JobTracker与TaskTracker。

1、JobClient会在用户端通过JobClient类将应用已经配置参数打包成jar文件存储到hdfs，并把路径提交到Jobtracker,然后由JobTracker创建每一个Task(即MapTask和ReduceTask)并将它们分发到各个TaskTracker服务中去执行。

2、JobTracker是一个master服务，软件启动之后JobTracker接收Job，负责调度Job的每一个子任务task运行于TaskTracker上，并监控它们，如果发现有失败的task就重新运行它。一般情况应该把JobTracker部署在单独的机器上。

3、TaskTracker是运行在多个节点上的slaver服务。TaskTracker主动与JobTracker通信，接收作业，并负责直接执行每一个任务。TaskTracker都需要运行在HDFS的DataNode上。

• 4. Hadoop 作者 答案C Doug cutting　　

a)Martin Fowler

b)Kent Beck

c)Doug cutting

• 5. HDFS 默认 Block Size 答案：B　　

a)32MB　　b)64MB c)128MB

(因为版本更换较快，这里答案只供参考)

• 6. 下列哪项通常是集群的最主要瓶颈：答案：C磁盘　　

a)CPU　　b)网络　　c)磁盘IO d)内存

该题解析：

首先集群的目的是为了节省成本，用廉价的pc机，取代小型机及大型机。小型机和大型机有什么特点?

1.cpu处理能力强

2.内存够大

所以集群的瓶颈不可能是a和d

3.网络是一种稀缺资源，但是并不是瓶颈。

4.由于大数据面临海量数据，读写数据都需要io，然后还要冗余数据，hadoop一般备3份数据，所以IO就会打折扣。

• 7. 关于 SecondaryNameNode 哪项是正确的?答案C　　

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。

多选题答案

• 8. 下列哪项可以作为集群的管理?答案：ABD　　

a)Puppet

b)Pdsh

c)Cloudera Manager

d)Zookeeper

• 9. 配置机架感知的下面哪项正确：答案ABC　　

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?答案B　　

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

该题分析：

Client向NameNode发起文件写入的请求。

NameNode根据文件大小和文件块配置情况，返回给Client它所管理部分DataNode的信息。

Client将文件划分为多个Block，根据DataNode的地址信息，按顺序写入到每一个DataNode块中。

• 11. 下列哪个是 Hadoop 运行的模式：答案ABC　　

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?答案：ABCD　　

a)Cloudera manager　　b)Tarball　　c)Yum　　d)Rpm

判断题答案

• 13. Ganglia 不仅可以进行监控，也可以进行告警。( 正确)

分析：此题的目的是考Ganglia的了解。严格意义上来讲是正确。ganglia作为一款最常用的Linux环境中的监控软件，它擅长的的是从节点中按照用户的需求以较低的代价采集数据。但是ganglia在预警以及发生事件后通知用户上并不擅长。最新的ganglia已经有了部分这方面的功能。但是更擅长做警告的还有Nagios。Nagios，就是一款精于预警、通知的软件。通过将Ganglia和Nagios组合起来，把Ganglia采集的数据作为Nagios的数据源，然后利用Nagios来发送预警通知，可以完美的实现一整套监控管理的系统。

• 14. Block Size 是不可以修改的。(错误 )

分析：它是可以被修改的Hadoop的基础配置文件是hadoop-default.xml，默认建立一个Job的时候会建立Job的Config，Config首先读入hadoop-default.xml的配置，然后再读入hadoop-site.xml的配置(这个文件初始的时候配置为空)，hadoop-site.xml中主要配置需要覆盖的hadoop-default.xml的系统级配置。

• 15. Nagios 不可以监控 Hadoop 集群，因为它不提供 Hadoop 支持。(错误 )

分析：Nagios是集群监控工具，而且是云计算三大利器之一

• 16. 如果 NameNode 意外终止，SecondaryNameNode 会接替它使集群继续工作。(错误 )

分析：SecondaryNameNode是帮助恢复，而不是替代，如何恢复，可以查看

• 17. Cloudera CDH 是需要付费使用的。(错误 )

分析：第一套付费产品是Cloudera Enterpris，Cloudera Enterprise在美国加州举行的 Hadoop 大会 (Hadoop Summit) 上公开，以若干私有管理、监控、运作工具加强 Hadoop 的功能。收费采取合约订购方式，价格随用的 Hadoop 叢集大小变动。

• 18. Hadoop 是 Java 开发的，所以 MapReduce 只支持 Java 语言编写。(错误 )

分析：rhadoop是用R语言开发的，MapReduce是一个框架，可以理解是一种思想，可以使用其他语言开发。

• 19. Hadoop 支持数据的随机读写。(错 )

分析：lucene是支持随机读写的，而hdfs只支持随机读。但是HBase可以来补救。HBase提供随机读写，来解决Hadoop不能处理的问题。HBase自底层设计开始即聚焦于各种可伸缩性问题：表可以很“高”，有数十亿个数据行;也可以很“宽”，有数百万个列;水平分区并在上千个普通商用机节点上自动复制。表的模式是物理存储的直接反映，使系统有可能提高高效的数据结构的序列化、存储和检索。

• 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。(错误)

此题分析：

NameNode 不需要从磁盘读取 metadata，所有数据都在内存中，硬盘上的只是序列化的结果，只有每次 namenode 启动的时候才会读取。

1)文件写入

Client向NameNode发起文件写入的请求。

NameNode根据文件大小和文件块配置情况，返回给Client它所管理部分DataNode的信息。

Client将文件划分为多个Block，根据DataNode的地址信息，按顺序写入到每一个DataNode块中。

2)文件读取Client向NameNode发起文件读取的请求。

• 21. NameNode 本地磁盘保存了 Block 的位置信息。( 个人认为 正确 ，欢迎提出其它意见)

分析：DataNode是文件存储的基本单元，它将Block存储在本地文件系统中，保存了Block的Meta-data，同时周期性地将所有存在的Block信息发送给NameNode。NameNode返回文件存储的DataNode的信息。Client读取文件信息。

• 22. DataNode 通过长连接与 NameNode 保持通信。( )

这个有分歧：具体正在找这方面的有利资料。下面提供资料可参考。

首先明确一下概念：

(1).长连接Client方与Server方先建立通讯连接，连接建立后不断开，然后再进行报文发送和接收。这种方式下由于通讯连接一直存在，此种方式常用于点对点通讯。

(2).短连接Client方与Server每进行一次报文收发交易时才进行通讯连接，交易完毕后立即断开连接。此种方式常用于一点对多点通讯，比如多个Client连接一个Server.

• 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。 (错误 )

hadoop只能阻止好人犯错，但是不能阻止坏人干坏事

• 24. Slave 节点要存储数据，所以它的磁盘越大越好。( 错误)

分析：一旦Slave节点宕机，数据恢复是一个难题

• 25. hadoop dfsadmin –report 命令用于检测 HDFS 损坏块。(错误 )

• 26. Hadoop 默认调度器策略为 FIFO(正确 )

• 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。(错误 )

分析：首先明白什么是RAID，可以参考百科磁盘阵列。这句话错误的地方在于太绝对，具体情况具体分析。题目不是重点，知识才是最重要的。因为hadoop本身就具有冗余能力，所以如果不是很严格不需要都配备RAID。具体参考第二题。

• 28. 因为 HDFS 有多个副本，所以 NameNode 是不存在单点问题的。(错误 )

• 29. 每个 map 槽就是一个线程。(错误 )

分析：首先我们知道什么是map 槽,map 槽->map slotmap slot 只是一个逻辑值 ( org.apache.hadoop.mapred.TaskTracker.TaskLauncher.numFreeSlots )，而不是对应着一个线程或者进程

• 30. Mapreduce 的 input split 就是一个 block。(错误 )

• 31. NameNode 的 Web UI 端口是 50030，它通过 jetty 启动的 Web 服务。(错误 )

• 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。( 错误)

hadoop为各个守护进程(namenode,secondarynamenode,jobtracker,datanode,tasktracker)统一分配的内存在hadoop-env.sh中设置，参数为HADOOP_HEAPSIZE，默认为1000M。

• 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。(错误 )

分析：

首先明白介绍，什么ClusterID

ClusterID

添加了一个新的标识符ClusterID用于标识集群中所有的节点。当格式化一个Namenode，需要提供这个标识符或者自动生成。这个ID可以被用来格式化加入集群的其他Namenode。

二次整理

有的同学问题的重点不是上面分析内容：内容如下：欢迎加入722680258

这个报错是说明 DataNode 所装的Hadoop版本和其它节点不一致，应该检查DataNode的Hadoop版本