Hadoop_v4_12

Hadoop面试题目及答案Hadoop面试45个题目及答案1.Hadoop集群可以运行的3个模式？单机（本地）模式伪分布式模式全分布式模式2. 单机（本地）模式中的注意点？在单机模式（standalone）中不会存在守护进程，所有东西都运行在一个JVM上。

这里同样没有DFS，使用的是本地文件系统。

单机模式适用于开发过程中运行MapReduce程序，这也是最少使用的一个模式。

3. 伪分布模式中的注意点？伪分布式（Pseudo）适用于开发和测试环境，在这个模式中，所有守护进程都在同一台机器上Hadoop被安装在cd/usr/lib/hadoop-0.20/。

8. Namenode、Job tracker和task tracker 的端口号是？Namenode，70；Job tracker，30；Task tracker，60。

9. Hadoop的核心配置是什么？Hadoop的核心配置通过两个xml文件来完成：1，hadoop-default.xml；2，hadoop-site.xml。

这些文件都使用xml格式，因此每个xml中都有一些属性，包括名称和值，但是当下这些文件都已不复存在。

10. 那当下又该如何配置？Hadoop现在拥有3个配置文件：1，core-site.xml；2，hdfs-site.xml；3，mapred-site.xml。

这些文件都保存在conf/子目录下。

11. RAM的溢出因子是？溢出因子（Spill factor）是临时文件中储存文件的大小，也就是Hadoop-temp目录。

12. fs.mapr.working.dir只是单一的目录？fs.mapr.working.dir只是一个目录。

13. hdfs-site.xml的3个主要属性？.dir决定的是元数据存储的路径以及DFS的存储方式（磁盘或是远端）dfs.data.dir决定的是数据存储的路径fs.checkpoint.dir用于第二Namenode 14. 如何退出输入模式？退出输入的方式有：1，按ESC；2，键入:q（如果你没有输入任何当下）或者键入:wq（如果你已经输入当下），并且按下Enter。

hadoop权威指南第四版中文 pdf
《Hadoop权威指南第四版》是Hadoop生态系统的权威指南，总结了最新的Hadoop生态系统技术。

本书内容覆盖YARN、MapReduce、Hive、Pig、HBase等Hadoop应用程序，以及其他较新的工具，如Spark、Kafka、Flink和Hadoop云服务等。

本书以对话式语言介绍所有主要的Hadoop技术，详细介绍了Hadoop引擎的工作原理。

它涵盖了数据存储在HDFS中的最佳实践，以及如何在本地和分布式环境中发布和运行MapReduce 任务。

此外，它还介绍了性能调优、安全性和容错性相关的重要主题。

本书还可用于初学者，因为它提供了连贯的指南，带领读者认识和理解Hadoop生态系统，让读者能全面了解Hadoop技术并完全利用这种强大的技术。

大数据面试题及答案汇总版第1部分选择题1.1 Hadoop选择题1.1.1 HDFS1．下面哪个程序负责 HDFS 数据存储？A．NameNodeB．JobtrackerC．DatanodeD．secondaryNameNodeE．tasktracker2. HDFS 中的 block 默认保存几份？A．3份B．2份C．1份D．4份3. 下列哪个程序通常与NameNode 在一个节点启动？A. SecondaryNameNodeB．DataNodeC．TaskTrackerD. Jobtracker4. HDFS 默认 Block Size（新版本）A. 32MBB．64MBC．128MBD．256MB5. Client 端上传文件的时候下列哪项正确A. 数据经过 NameNode 传递给 DataNodeB．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6. 下面与 HDFS 类似的框架是？A．NTFSB．FAT32C．GFSD．EXT37. 的8. 的1.1.2 集群管理1. 下列哪项通常是集群的最主要瓶颈A. CPUB．网络C．磁盘IOD．内存2. 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3. 下列哪项不可以作为集群的管理？A. Puppet B．Pdsh C．ClouderaManager D．Zookeeper4. 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5. 下列哪个是 Hadoop 运行的模式A. 单机版B．伪分布式C．分布式6. Cloudera 提供哪几种安装 CDH 的方法A. Cloudera manager B．Tarball C．Yum D．Rpm7.1.2 Hbase选择题1.2.1 Hbase基础1. HBase 来源于哪篇博文？ CA TheGoogle File SystemBMapReduceCBigTableD Chubby2. 下面对 HBase 的描述是错误的？ AA 不是开源的B 是面向列的C 是分布式的D 是一种 NoSQL 数据库3. HBase 依靠（）存储底层数据 AA HDFSB HadoopC MemoryDMapReduce4. HBase 依赖（）提供消息通信机制 A AZookeeperB ChubbyC RPCD Socket5. HBase 依赖（）提供强大的计算能力 DAZookeeperB ChubbyC RPCDMapReduce6. MapReduce 与 HBase 的关系，哪些描述是正确的？ B、CA 两者不可或缺，MapReduce 是 HBase 可以正常运行的保证B 两者不是强关联关系，没有 MapReduce，HBase 可以正常运行CMapReduce 可以直接访问 HBaseD 它们之间没有任何关系7. 下面哪些选项正确描述了HBase 的特性？ A、B、C、DA 高可靠性B 高性能C 面向列D 可伸缩8. 下面哪些概念是 HBase 框架中使用的？A、CA HDFSB GridFSCZookeeperD EXT39. D1.2.2 Hbase核心1. LSM 含义是？AA 日志结构合并树B 二叉树C 平衡二叉树D 长平衡二叉树2. 下面对 LSM 结构描述正确的是？ A、CA 顺序存储B 直接写硬盘C 需要将数据 Flush 到磁盘D 是一种搜索平衡树3. LSM 更能保证哪种操作的性能？BA 读B 写C 随机读D 合并4. LSM 的读操作和写操作是独立的？AA 是。

自由释放数据潜能FineBI V4.0产品白皮书2016年12月08日第一章企业为什么需要FineBI？来自企业产品，运营，供应链，市场营销各侧的数据呈现爆发式增长，公司人开始言必称大数据。

越来越多的企业开始意识到利用数据资产的重要性，强调运用数据进行科学化运营，传统的粗放式经营已经成为过去式。

然而想要实现利用大数据分析来驱动业务增长的理想蓝图，却面临众多挑战。

一、大数据分析驱动业务增长的现实困境（一）业务发展的瓶颈：业务部门对于数据分析具有极大的需求，但却苦于没有数据以及工具的有效支持，依赖于IT的报表制作，报表需求得不到及时响应。

固定报表缺乏灵活性，这就会导致业务部门缺乏对业务现状的精确把握，对业务背后逻辑的洞察，以及对业务未来的可见与预测。

这样决策还流于拍脑袋，（二）IT信息中心的瓶颈：IT集权下的疲于应对，：IT信息中心对公司数据进行高度集中的管控，来自企业各职能部门的数据处理以及报表就会全部由IT人员来输出，一旦业务部门需求集中扎堆，就会造成响应不足，业务部门怨声载道。

信息中心自身成员熬夜加班多，却成就感低。

放权下的数据管理混乱：有的信息中心为释放压力，放权给业务部门使用数据，一旦口子打开，数据缺口就会像洪水一样泛滥，就又会走向另外一个极端，导致放权下的数据管理混乱，数据口径不统一，部门之间的数据壁垒等等问题就会出现。

（三）大数据应用的瓶颈：对于企业大数据的应用，大部分企业普遍存在这样的心态：不利用时觉得心慌，现在大数据如火如荼，感觉落后一步就要跌入深渊。

想要上马利用时却又觉得迷茫：如何真正从企业治理的全局出发，基于行业需求，整体架构以及应用角色和场景，让数据发挥出最大价值？现实的情况是大数据倒逼企业不断地去升级硬件，扩展底层架构，但存储的数据越来越多，如何真正让数据发挥价值，很多企业都倒在大数据应用的最后一公里。

也就是说让数据能够结合企业运营的核心指标，以可视化的方式展现出来。

通过响应型分析——诊断型分析——战略型分析——预测型分析，让数据真正对企业的运营决策起到辅助和参考的作用。