大数据技术Hadoop面试题(三)

　　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.ClouderaCDH是需要付费使用的。(错误)

　　分析：第一套付费产品是ClouderaEnterpris，ClouderaEnterprise在美国加州举行的Hadoop大会(HadoopSummit)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.hadoopdfsadmin–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->mapslotmapslot只是一个逻辑值(org.apache.hadoop.maPd.TaskTracker.TaskLauncher.numFreeSlots)，而不是对应着一个线程或者进程

　　30.MaPduce的inputsplit就是一个block。(错误)

　　31.NameNode的WebUI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200GB。(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“Hadoopnamenode-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：

　　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