大数据Hadoop面试题！（附答案解析）

在大数据开发岗位的需求下，工资待遇水涨船高，不少编程人员在面对职业瓶颈期的时候，会选择转编程方向发展。

你是否已经意识这是你人生中的一个重要转机？能不能抓住这个时代的机遇，就在于你对大数据信息的应用和获取。而如何成为大数据时代的弄潮儿，掌握当下最紧缺的软件技能是关键！谷歌、阿里巴巴、百度、京东都在急需掌握hadoop技术的大数据人才！无论你精通大数据的哪一项类，都将在未来职场脱颖而出！ 传智播客上海校区为大家准备了一些面试问题，希望可以帮助到大家 更多大数据知识请关注传智播客上海校区或登录传智播客官网了解更多视频

01 单选题

1、下面哪个程序负责 HDFS 数据存储？

a)NameNode b)Jobtracker c)Datanode

d)secondaryNameNode e)tasktracker

答案 C datanode

2、HDfS 中的 block 默认保存几份？

a)3 份 b)2 份 c)1 份 d)不确定

答案 A 默认 3份

3、Hadoop 作者？

a)Martin Fowler

b)Kent Beck c)Doug cutting

答案 C Doug cutting

4、下列哪个程序通常与 NameNode 在一个节点启动？

a)SecondaryNameNode b)DataNodeb)DataNode c)TaskTracker d)Jobtracker

答案：D

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。

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。

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。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。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。

5、下列哪项通常是集群的最主要瓶颈：

a)CPU b)网络 c)磁盘 IO d)内存

答案：C 磁盘

此题解析：

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。

6、 HDFS 默认 Block Size

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

答案：B

7、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。

答案：C

02 多选题

1、下列哪项可以作为集群的管理？

a)Puppet b)Pdsh

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。

9、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

此题分析：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。

10、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.

11、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

此题分析：hadoop只能阻止好人犯错，但是不能阻止坏人干坏事。

12、Slave 节点要存储数据，所以它的磁盘越大越好。

错误

此题分析：一旦Slave节点宕机，数据恢复是一个难题。

13、hadoop dfsadmin –report 命令用于检测 HDFS 损坏块。

错误

14、 Hadoop 默认调度器策略为 FIFO

正确

15、 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

此题分析：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。

16、因为 HDFS 有多个副本，所以 NameNode 是不存在单点问题的。

错误

17、每个 map 槽就是一个线程。

错误

此题分析：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。

18、Mapreduce 的 input split 就是一个 block。

错误

19、NameNode 的 Web UI 端口是 50030，它通过 jetty 启动的 Web 服务。

错误

20、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

此题分析：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。

21、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 namenode -format”操作格式化磁盘。

错误

此题分析：

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

本文来源：https://www.bwwdw.com/article/sbfa.html