一、選擇題

1.下面哪個程序負責HDFS數據存儲。答案C datanode

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

2. HDfS中的block默認保存幾份?答案A默認3分

a)3份 b)2份 c)1份 d)不確定

3.下列哪個程序通常與NameNode在一個節點啟動?答案D

a)SecondaryNameNode b)DataNode c)TaskTracker d)Jobtracke

此題分析：

hadoop的集群是基于master/slave模式，namenode和jobtracker屬于master，datanode和tasktracker屬于slave，master只有一個，而slave有多個SecondaryNameNode內存需求和NameNode在一個數量級上，所以通常secondary NameNode(運行在單獨的物理機器上)和NameNode運行在不同的機器上。

在此我向大家推薦一個交流學習群：615997810 里面會分享一些資深大數據工程師架構師錄制的視頻錄像：有Linux、Hadoop核集群搭建、HDFS、Mapreduce、YARN、離線計算Flume 、Hive、實時計算、大數據ETL、大數據應用與數據挖掘的原理這些成為大， 數據開發師必備的知識體系。還能領取免費的學習資源，目前受益良多。

JobTracker和TaskTracker

JobTracker對應于NameNode

TaskTracker對應于DataNode

DataNode和NameNode是針對數據存放來而言的

JobTracker和TaskTracker是對于MapReduce執行而言的

mapreduce中幾個主要概念，mapreduce整體上可以分為這么幾條執行線索：obclient，JobTracker與TaskTracker。

1)、JobClient會在用戶端通過JobClient類將應用已經配置參數打包成jar文件存儲到hdfs，并把路徑提交到Jobtracker,然后由JobTracker創建每一個Task(即MapTask和ReduceTask)并將它們分發到各個TaskTracker服務中去執行。

2)、JobTracker是一個master服務，軟件啟動之后JobTracker接收Job，負責調度Job的每一個子任務task運行于TaskTracker上，并監控它們，如果發現有失敗的task就重新運行它。一般情況應該把JobTracker部署在單獨的機器上。

3)、TaskTracker是運行在多個節點上的slaver服務。TaskTracker主動與JobTracker通信，接收作業，并負責直接執行每一個任務。TaskTracker都需要運行在HDFS的DataNode上。

4. Hadoop作者 答案：C Doug cutting

a)Martin Fowler b)Kent Beck c)Doug cutting

5. HDFS默認Block Size答案：B

a)32MB b)64MB c)128MB

(因為版本更換較快，這里答案只供參考)

6.下列哪項通常是集群的最主要瓶頸：答案：C磁盤

a)CPU b)網絡 c)磁盤IO d)內存

該題解析：

首先集群的目的是為了節省成本，用廉價的pc機，取代小型機及大型機。小型機和大型機有什么特點?

1.cpu處理能力強

2.內存夠大

所以集群的瓶頸不可能是a和d

3.網絡是一種稀缺資源，但是并不是瓶頸。

4.由于大數據面臨海量數據，讀寫數據都需要io，然后還要冗余數據，hadoop一般備3份數據，所以IO就會打折扣。

7.關于SecondaryNameNode哪項是正確的?答案C

a)它是NameNode的熱備 b)它對內存沒有要求 c)它的目的是幫助NameNode合并編輯日志，減少NameNode啟動時間 d)SecondaryNameNode應與NameNode部署到一個節點。

二、多選題：

8.下列哪項可以作為集群的管理?答案：ABD

a)Puppet b)Pdsh c)Cloudera Manager d)Zookeeper

9.配置機架感知的下面哪項正確：答案ABC

a)如果一個機架出問題，不會影響數據讀寫 b)寫入數據的時候會寫到不同機架的DataNode中 c)MapReduce會根據機架獲取離自己比較近的網絡數據

10. Client端上傳文件的時候下列哪項正確?答案B

a)數據經過NameNode傳遞給DataNode b)Client端將文件切分為Block，依次上傳 c)Client只上傳數據到一臺DataNode，然后由NameNode負責Block復制工作

該題分析：

Client向NameNode發起文件寫入的請求。 NameNode根據文件大小和文件塊配置情況，返回給Client它所管理部分DataNode的信息。 Client將文件劃分為多個Block，根據DataNode的地址信息，按順序寫入到每一個DataNode塊中。

11.下列哪個是Hadoop運行的模式：答案ABC

a)單機版 b)偽分布式 c)分布式

12. Cloudera提供哪幾種安裝CDH的方法?答案：ABCD

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

三、判斷題：

13. Ganglia不僅可以進行監控，也可以進行告警。(正確)

分析：此題的目的是考Ganglia的了解。嚴格意義上來講是正確。ganglia作為一款最常用的Linux環境中的監控軟件，它擅長的的是從節點中按照用戶的需求以較低的代價采集數據。但是ganglia在預警以及發生事件后通知用戶上并不擅長。最新的ganglia已經有了部分這方面的功能。但是更擅長做警告的還有Nagios。Nagios，就是一款精于預警、通知的軟件。通過將Ganglia和Nagios組合起來，把Ganglia采集的數據作為Nagios的數據源，然后利用Nagios來發送預警通知，可以完美的實現一整套監控管理的系統。

14. Block Size是不可以修改的。(錯誤)

分析：它是可以被修改的Hadoop的基礎配置文件是hadoop-default.xml，默認建立一個Job的時候會建立Job的Config，Config首先讀入hadoop-default.xml的配置，然后再讀入hadoop-site.xml的配置(這個文件初始的時候配置為空)，hadoop-site.xml中主要配置需要覆蓋的hadoop-default.xml的系統級配置。

15. Nagios不可以監控Hadoop集群，因為它不提供Hadoop支持。(錯誤)

分析：Nagios是集群監控工具，而且是云計算三大利器之一

16.如果NameNode意外終止，SecondaryNameNode會接替它使集群繼續工作。(錯誤)

分析：SecondaryNameNode是幫助恢復，而不是替代，如何恢復，可以查看.

17. Cloudera CDH是需要付費使用的。(錯誤)

分析：第一套付費產品是Cloudera Enterpris，Cloudera Enterprise在美國加州舉行的Hadoop大會(Hadoop Summit)上公開，以若干私有管理、監控、運作工具加強Hadoop的功能。收費采取合約訂購方式，價格隨用的Hadoop叢集大小變動。

18. Hadoop是Java開發的，所以MapReduce只支持Java語言編寫。(錯誤)

分析：rhadoop是用R語言開發的，MapReduce是一個框架，可以理解是一種思想，可以使用其他語言開發。

19. Hadoop支持數據的隨機讀寫。(錯)

分析：lucene是支持隨機讀寫的，而hdfs只支持隨機讀。但是HBase可以來補救。HBase提供隨機讀寫，來解決Hadoop不能處理的問題。HBase自底層設計開始即聚焦于各種可伸縮性問題：表可以很“高”，有數十億個數據行;也可以很“寬”，有數百萬個列;水平分區并在上千個普通商用機節點上自動復制。表的模式是物理存儲的直接反映，使系統有可能提高高效的數據結構的序列化、存儲和檢索。

20. NameNode負責管理metadata，client端每次讀寫請求，它都會從磁盤中讀取或則會寫入metadata信息并反饋client端。(錯誤)

此題分析：

NameNode不需要從磁盤讀取metadata，所有數據都在內存中，硬盤上的只是序列化的結果，只有每次namenode啟動的時候才會讀取。

1)文件寫入

Client向NameNode發起文件寫入的請求。

NameNode根據文件大小和文件塊配置情況，返回給Client它所管理部分DataNode的信息。

Client將文件劃分為多個Block，根據DataNode的地址信息，按順序寫入到每一個DataNode塊中。

2)文件讀取

Client向NameNode發起文件讀取的請求。

21. NameNode本地磁盤保存了Block的位置信息。(個人認為正確，歡迎提出其它意見)

分析：DataNode是文件存儲的基本單元，它將Block存儲在本地文件系統中，保存了Block的Meta-data，同時周期性地將所有存在的Block信息發送給NameNode。NameNode返回文件存儲的DataNode的信息。

Client讀取文件信息。

22. DataNode通過長連接與NameNode保持通信。(? )

這個有分歧：具體正在找這方面的有利資料。下面提供資料可參考。

首先明確一下概念：

(1).長連接

Client方與Server方先建立通訊連接，連接建立后不斷開，然后再進行報文發送和接收。這種方式下由于通訊連接一直存在，此種方式常用于點對點通訊。

(2).短連接

Client方與Server每進行一次報文收發交易時才進行通訊連接，交易完畢后立即斷開連接。此種方式常用于一點對多點通訊，比如多個Client連接一個Server.

23. Hadoop自身具有嚴格的權限管理和安全措施保障集群正常運行。(錯誤)

分析：hadoop只能阻止好人犯錯，但是不能阻止壞人干壞事

24. Slave節點要存儲數據，所以它的磁盤越大越好。(錯誤)

分析：一旦Slave節點宕機，數據恢復是一個難題

25. hadoop dfsadmin –report命令用于檢測HDFS損壞塊。(錯誤)

26. Hadoop默認調度器策略為FIFO(正確)

27.集群內每個節點都應該配RAID，這樣避免單磁盤損壞，影響整個節點運行。(錯誤)

分析：首先明白什么是RAID，可以參考百科磁盤陣列。這句話錯誤的地方在于太絕對，具體情況具體分析。題目不是重點，知識才是最重要的。因為hadoop本身就具有冗余能力，所以如果不是很嚴格不需要都配備RAID。具體參考第二題。

28.因為HDFS有多個副本，所以NameNode是不存在單點問題的。(錯誤)

29.每個map槽就是一個線程。(錯誤)

分析：首先我們知道什么是map槽,map槽->map slotmap slot只是一個邏輯值( org.apache.hadoop.mapred.TaskTracker.TaskLauncher.numFreeSlots )，而不是對應著一個線程或者進程

30. Mapreduce的input split就是一個block。(錯誤)

31. NameNode的Web UI端口是50030，它通過jetty啟動的Web服務。(錯誤)

32. Hadoop環境變量中的HADOOP_HEAPSIZE用于設置所有Hadoop守護線程的內存。它默認是200 GB。(錯誤)

分析：hadoop為各個守護進程(namenode,secondarynamenode,jobtracker,datanode,tasktracker)統一分配的內存在hadoop-env.sh中設置，參數為HADOOP_HEAPSIZE，默認為1000M。

33. DataNode首次加入cluster的時候，如果log中報告不兼容文件版本，那需要NameNode執行“Hadoop amenode -format”操作格式化磁盤。(錯誤)

分析：

首先明白介紹，什么ClusterID

ClusterID。添加了一個新的標識符ClusterID用于標識集群中所有的節點。當格式化一個Namenode，需要提供這個標識符或者自動生成。這個ID可以被用來格式化加入集群的其他Namenode

總結

以上是生活随笔為你收集整理的大数据笔试题目练习(附答案)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。