在大數(shù)據(jù)開發(fā)崗位的需求下，工資待遇水漲船高，不少編程人員在面對(duì)職業(yè)瓶頸期的時(shí)候，會(huì)選擇轉(zhuǎn)編程方向發(fā)展。

你是否已經(jīng)意識(shí)這是你人生中的一個(gè)重要轉(zhuǎn)機(jī)?能不能抓住這個(gè)時(shí)代的機(jī)遇，就在于你對(duì)大數(shù)據(jù)信息的應(yīng)用和獲取。而如何成為大數(shù)據(jù)時(shí)代的弄潮兒，掌握當(dāng)下最緊缺的軟件技能是關(guān)鍵!谷歌、阿里巴巴、百度、京東都在急需掌握hadoop技術(shù)的大數(shù)據(jù)人才!無論你精通大數(shù)據(jù)的哪一項(xiàng)類，都將在未來職場脫穎而出!

[[227942]]

在過去的2017年有不少大數(shù)據(jù)學(xué)成準(zhǔn)備參加工作，在參加工作前最重要的一輪就是大數(shù)據(jù)的面試，小編收集了一些2018春招大數(shù)據(jù)面試題及答案，希望可以幫到準(zhǔn)備或者正在參加大數(shù)據(jù)面試的朋友們。

一、選擇題

1.下面哪個(gè)程序負(fù)責(zé)HDFS數(shù)據(jù)存儲(chǔ)。答案C datanode

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

2. HDfS中的block默認(rèn)保存幾份?答案A默認(rèn)3分

• a)3份
• b)2份
• c)1份
• d)不確定

3.下列哪個(gè)程序通常與NameNode在一個(gè)節(jié)點(diǎn)啟動(dòng)?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(gè)，而slave有多個(gè)SecondaryNameNode內(nèi)存需求和NameNode在一個(gè)數(shù)量級(jí)上，所以通常secondary NameNode(運(yùn)行在單獨(dú)的物理機(jī)器上)和NameNode運(yùn)行在不同的機(jī)器上。

在此我向大家推薦一個(gè)交流學(xué)習(xí)群：615997810 里面會(huì)分享一些資深大數(shù)據(jù)工程師架構(gòu)師錄制的視頻錄像：有Linux、Hadoop核集群搭建、HDFS、Mapreduce、YARN、離線計(jì)算Flume 、Hive、實(shí)時(shí)計(jì)算、大數(shù)據(jù)ETL、大數(shù)據(jù)應(yīng)用與數(shù)據(jù)挖掘的原理這些成為大， 數(shù)據(jù)開發(fā)師必備的知識(shí)體系。還能領(lǐng)取免費(fèi)的學(xué)習(xí)資源，目前受益良多。

JobTracker和TaskTracker

JobTracker對(duì)應(yīng)于NameNode

TaskTracker對(duì)應(yīng)于DataNode

DataNode和NameNode是針對(duì)數(shù)據(jù)存放來而言的

JobTracker和TaskTracker是對(duì)于MapReduce執(zhí)行而言的

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

1)、JobClient會(huì)在用戶端通過JobClient類將應(yīng)用已經(jīng)配置參數(shù)打包成jar文件存儲(chǔ)到hdfs，并把路徑提交到Jobtracker,然后由JobTracker創(chuàng)建每一個(gè)Task(即MapTask和ReduceTask)并將它們分發(fā)到各個(gè)TaskTracker服務(wù)中去執(zhí)行。

2)、JobTracker是一個(gè)master服務(wù)，軟件啟動(dòng)之后JobTracker接收J(rèn)ob，負(fù)責(zé)調(diào)度Job的每一個(gè)子任務(wù)task運(yùn)行于TaskTracker上，并監(jiān)控它們，如果發(fā)現(xiàn)有失敗的task就重新運(yùn)行它。一般情況應(yīng)該把JobTracker部署在單獨(dú)的機(jī)器上。

3)、TaskTracker是運(yùn)行在多個(gè)節(jié)點(diǎn)上的slaver服務(wù)。TaskTracker主動(dòng)與JobTracker通信，接收作業(yè)，并負(fù)責(zé)直接執(zhí)行每一個(gè)任務(wù)。TaskTracker都需要運(yùn)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(rèn)Block Size答案：B

• a)32MB
• b)64MB
• c)128MB

(因?yàn)榘姹靖鼡Q較快，這里答案只供參考)

6.下列哪項(xiàng)通常是集群的最主要瓶頸：答案：C磁盤

• a)CPU
• b)網(wǎng)絡(luò)
• c)磁盤IO
• d)內(nèi)存

該題解析：

首先集群的目的是為了節(jié)省成本，用廉價(jià)的pc機(jī)，取代小型機(jī)及大型機(jī)。小型機(jī)和大型機(jī)有什么特點(diǎn)?

1.cpu處理能力強(qiáng)

2.內(nèi)存夠大

所以集群的瓶頸不可能是a和d

3.網(wǎng)絡(luò)是一種稀缺資源，但是并不是瓶頸。

4.由于大數(shù)據(jù)面臨海量數(shù)據(jù)，讀寫數(shù)據(jù)都需要io，然后還要冗余數(shù)據(jù)，hadoop一般備3份數(shù)據(jù)，所以IO就會(huì)打折扣。

7.關(guān)于SecondaryNameNode哪項(xiàng)是正確的?答案C

• a)它是NameNode的熱備
• b)它對(duì)內(nèi)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(dòng)時(shí)間
• d)SecondaryNameNode應(yīng)與NameNode部署到一個(gè)節(jié)點(diǎn)。

二、多選題：

8.下列哪項(xiàng)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(jī)架感知的下面哪項(xiàng)正確：答案ABC

• a)如果一個(gè)機(jī)架出問題，不會(huì)影響數(shù)據(jù)讀寫
• b)寫入數(shù)據(jù)的時(shí)候會(huì)寫到不同機(jī)架的DataNode中
• c)MapReduce會(huì)根據(jù)機(jī)架獲取離自己比較近的網(wǎng)絡(luò)數(shù)據(jù)

10. Client端上傳文件的時(shí)候下列哪項(xiàng)正確?答案B

• a)數(shù)據(jù)經(jīng)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(shù)據(jù)到一臺(tái)DataNode，然后由NameNode負(fù)責(zé)Block復(fù)制工作

該題分析：

• Client向NameNode發(fā)起文件寫入的請(qǐng)求。
• NameNode根據(jù)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(gè)Block，根據(jù)DataNode的地址信息，按順序?qū)懭氲矫恳粋€(gè)DataNode塊中。

11.下列哪個(gè)是Hadoop運(yùn)行的模式：答案ABC

• a)單機(jī)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(jìn)行監(jiān)控，也可以進(jìn)行告警。(正確)

分析：此題的目的是考Ganglia的了解。嚴(yán)格意義上來講是正確。ganglia作為一款最常用的Linux環(huán)境中的監(jiān)控軟件，它擅長的的是從節(jié)點(diǎn)中按照用戶的需求以較低的代價(jià)采集數(shù)據(jù)。但是ganglia在預(yù)警以及發(fā)生事件后通知用戶上并不擅長。***的ganglia已經(jīng)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(yù)警、通知的軟件。通過將Ganglia和Nagios組合起來，把Ganglia采集的數(shù)據(jù)作為Nagios的數(shù)據(jù)源，然后利用Nagios來發(fā)送預(yù)警通知，可以***的實(shí)現(xiàn)一整套監(jiān)控管理的系統(tǒng)。

14. Block Size是不可以修改的。(錯(cuò)誤)

分析：它是可以被修改的Hadoop的基礎(chǔ)配置文件是hadoop-default.xml，默認(rèn)建立一個(gè)Job的時(shí)候會(huì)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(gè)文件初始的時(shí)候配置為空)，hadoop-site.xml中主要配置需要覆蓋的hadoop-default.xml的系統(tǒng)級(jí)配置。

15. Nagios不可以監(jiān)控Hadoop集群，因?yàn)樗惶峁〩adoop支持。(錯(cuò)誤)

分析：Nagios是集群監(jiān)控工具，而且是云計(jì)算三大利器之一

16.如果NameNode意外終止，SecondaryNameNode會(huì)接替它使集群繼續(xù)工作。(錯(cuò)誤)

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

17. Cloudera CDH是需要付費(fèi)使用的。(錯(cuò)誤)

分析：***套付費(fèi)產(chǎn)品是Cloudera Enterpris，Cloudera Enterprise在美國加州舉行的Hadoop大會(huì)(Hadoop Summit)上公開，以若干私有管理、監(jiān)控、運(yùn)作工具加強(qiáng)Hadoop的功能。收費(fèi)采取合約訂購方式，價(jià)格隨用的Hadoop叢集大小變動(dòng)。

18. Hadoop是Java開發(fā)的，所以MapReduce只支持Java語言編寫。(錯(cuò)誤)

分析：rhadoop是用R語言開發(fā)的，MapReduce是一個(gè)框架，可以理解是一種思想，可以使用其他語言開發(fā)。

19. Hadoop支持?jǐn)?shù)據(jù)的隨機(jī)讀寫。(錯(cuò))

分析：lucene是支持隨機(jī)讀寫的，而hdfs只支持隨機(jī)讀。但是HBase可以來補(bǔ)救。HBase提供隨機(jī)讀寫，來解決Hadoop不能處理的問題。HBase自底層設(shè)計(jì)開始即聚焦于各種可伸縮性問題：表可以很“高”，有數(shù)十億個(gè)數(shù)據(jù)行;也可以很“寬”，有數(shù)百萬個(gè)列;水平分區(qū)并在上千個(gè)普通商用機(jī)節(jié)點(diǎn)上自動(dòng)復(fù)制。表的模式是物理存儲(chǔ)的直接反映，使系統(tǒng)有可能提高高效的數(shù)據(jù)結(jié)構(gòu)的序列化、存儲(chǔ)和檢索。

20. NameNode負(fù)責(zé)管理metadata，client端每次讀寫請(qǐng)求，它都會(huì)從磁盤中讀取或則會(huì)寫入metadata信息并反饋client端。(錯(cuò)誤)

此題分析：

NameNode不需要從磁盤讀取metadata，所有數(shù)據(jù)都在內(nèi)存中，硬盤上的只是序列化的結(jié)果，只有每次namenode啟動(dòng)的時(shí)候才會(huì)讀取。

1)文件寫入

Client向NameNode發(fā)起文件寫入的請(qǐng)求。

NameNode根據(jù)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(gè)Block，根據(jù)DataNode的地址信息，按順序?qū)懭氲矫恳粋€(gè)DataNode塊中。

2)文件讀取

Client向NameNode發(fā)起文件讀取的請(qǐng)求。

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

分析：DataNode是文件存儲(chǔ)的基本單元，它將Block存儲(chǔ)在本地文件系統(tǒng)中，保存了Block的Meta-data，同時(shí)周期性地將所有存在的Block信息發(fā)送給NameNode。NameNode返回文件存儲(chǔ)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(gè)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(jìn)行報(bào)文發(fā)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(diǎn)對(duì)點(diǎn)通訊。

(2).短連接

Client方與Server每進(jìn)行一次報(bào)文收發(fā)交易時(shí)才進(jìn)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(diǎn)對(duì)多點(diǎn)通訊，比如多個(gè)Client連接一個(gè)Server.

23. Hadoop自身具有嚴(yán)格的權(quán)限管理和安全措施保障集群正常運(yùn)行。(錯(cuò)誤)

分析：hadoop只能阻止好人犯錯(cuò)，但是不能阻止壞人干壞事

24. Slave節(jié)點(diǎn)要存儲(chǔ)數(shù)據(jù)，所以它的磁盤越大越好。(錯(cuò)誤)

分析：一旦Slave節(jié)點(diǎn)宕機(jī)，數(shù)據(jù)恢復(fù)是一個(gè)難題

25. hadoop dfsadmin –report命令用于檢測(cè)HDFS損壞塊。(錯(cuò)誤)

26. Hadoop默認(rèn)調(diào)度器策略為FIFO(正確)

27.集群內(nèi)每個(gè)節(jié)點(diǎn)都應(yīng)該配RAID，這樣避免單磁盤損壞，影響整個(gè)節(jié)點(diǎn)運(yùn)行。(錯(cuò)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(cuò)誤的地方在于太絕對(duì)，具體情況具體分析。題目不是重點(diǎn)，知識(shí)才是最重要的。因?yàn)閔adoop本身就具有冗余能力，所以如果不是很嚴(yán)格不需要都配備RAID。具體參考第二題。

28.因?yàn)镠DFS有多個(gè)副本，所以NameNode是不存在單點(diǎn)問題的。(錯(cuò)誤)

29.每個(gè)map槽就是一個(gè)線程。(錯(cuò)誤)

分析：首先我們知道什么是map槽,map槽->map slotmap slot只是一個(gè)邏輯值( org.apache.hadoop.mapred.TaskTracker.TaskLauncher.numFreeSlots )，而不是對(duì)應(yīng)著一個(gè)線程或者進(jìn)程

30. Mapreduce的input split就是一個(gè)block。(錯(cuò)誤)

31. NameNode的Web UI端口是50030，它通過jetty啟動(dòng)的Web服務(wù)。(錯(cuò)誤)

32. Hadoop環(huán)境變量中的HADOOP_HEAPSIZE用于設(shè)置所有Hadoop守護(hù)線程的內(nèi)存。它默認(rèn)是200 GB。(錯(cuò)誤)

分析：hadoop為各個(gè)守護(hù)進(jìn)程(namenode,secondarynamenode,jobtracker,datanode,tasktracker)統(tǒng)一分配的內(nèi)存在hadoop-env.sh中設(shè)置，參數(shù)為HADOOP_HEAPSIZE，默認(rèn)為1000M。

33. DataNode***加入cluster的時(shí)候，如果log中報(bào)告不兼容文件版本，那需要NameNode執(zhí)行“Hadoop amenode -format”操作格式化磁盤。(錯(cuò)誤)

分析：

首先明白介紹，什么ClusterID

ClusterID。添加了一個(gè)新的標(biāo)識(shí)符ClusterID用于標(biāo)識(shí)集群中所有的節(jié)點(diǎn)。當(dāng)格式化一個(gè)Namenode，需要提供這個(gè)標(biāo)識(shí)符或者自動(dòng)生成。這個(gè)ID可以被用來格式化加入集群的其他Namenode。

以上就是小編整理的2018大數(shù)據(jù)春招面試題及答案準(zhǔn)備或者是正在參加大數(shù)據(jù)的面試的朋友可以收藏一下好好看看，做好充分的準(zhǔn)備參加每一場的面試，祝你成功!