大数据笔试题目练习(附答案)

一、选择题

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)Jobtracke

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。

在此我向大家推荐一个交流学习群：615997810 里面会分享一些资深大数据工程师架构师录制的视频录像：有Linux、Hadoop核集群搭建、HDFS、Mapreduce、YARN、离线计算Flume 、Hive、实时计算、大数据ETL、大数据应用与数据挖掘的原理这些成为大，数据开发师必备的知识体系。还能领取免费的学习资源，目前受益良多。

JobTracker和TaskTracker

JobTracker对应于NameNode

TaskTracker对应于DataNode

DataNode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。

二、多选题：

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

三、判断题：

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)

分析：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)

分析：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 amenode -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

大数据笔试题目练习(附答案)相关推荐

字节跳动大数据开发面试题-附答案
此面试题来自牛客网友分享的字节跳动应届一面,面试时长一小时. 网友情况:985 本硕. 参考答案由本公众号提供.如有错误,欢迎指正! 以下为面试过程中提问,岗位为大数据开发: 自我介绍+项目介绍为什 ...
大数据工程师面试题(附答案)
MapReduce 1. 不指定语言,写一个WordCount的MapReduce 我:最近刚学了scala,并且就有scala版本的WordCount,刚好学以致用了一下: 对大数据[数据分析,数据 ...
2015年CVTE校园招聘--Web后台服务开发工程师笔试题目及参考答案
Web后台服务开发工程师笔试题目及参考答案笔试时间:2014.09.14 地点: 广工 1.编程题:输入一串数字,返回查询数值的数组下标解答:public static void main(Str ...
c++数据结构面试题（附答案）
c++数据结构面试题(附答案) 1.设一组初始关键字记录关键字为(20,15,14,18,21,36,40,10),则一轮冒泡排序结束后的结果为? 答案: 升序:15,14,18,20,21,36,1 ...
计算机二级vb2003年4月考试题,2003年4月全国计算机等级考试二级vb笔试真题附答案...
2003年4月全国计算机等级考试二级vb笔试真题附答案 (19页) 本资源提供全文预览,点击全文预览即可全文预览,如果喜欢文档就下载吧,查找使用更方便哦! 15.9 积分 2003年4月全国计算机等级 ...
几道经典的SQL笔试题目（有答案）
几道经典的SQL笔试题目(有答案) (1)表名:购物信息购物人商品名称数量 A 甲 2 B 乙 ...
2020秋季《大数据与物联网》期末答案参考
2020秋季<大数据与物联网>期末答案参考说明: 答案为截图版: 开了护眼模式,光线偏弱,仔细看题: 来源于公众号查找,准确率不详(才做完看不到对错),选择题排列顺序随机,要看选项内容. ...
四川高中计算机考试操作题,2017年excel考试操作题目「附答案」
2017年excel考试操作题目「附答案」一.操作题 1 要求:设置允许单元格内部直接编辑和自动设置小数点位置为3 位. 答:点工具,点选项,点编辑,分别在单元格内部直接编辑和自动设置小数点位置为3 ...
大数据可视化陈为智慧树_知到智慧树_大数据可视化_大学课后答案
知到智慧树_大数据可视化_大学课后答案更多相关问题用下列方法不能将NaCl和Na2CO3两种溶液区分开的是()A．向两种溶液中分别滴加醋酸B．向两种溶液中分别滴加稀硫为了除去KCl中少量的MgS ...

大数据笔试题目练习(附答案)

大数据笔试题目练习(附答案)相关推荐

最新文章

热门文章