Hadoop深入面試問答題

1. 簡單描述如何安裝配置一個apache開源版hadoop袭景,只描述即可证逻,無需列出完整步驟涡真,能列出步驟更好篙贸。

1) 安裝JDK并配置環(huán)境變量(/etc/profile)

2) 關(guān)閉防火墻

3) 配置hosts文件,方便hadoop通過主機(jī)名訪問(/etc/hosts)

4) 設(shè)置ssh免密碼登錄

5) 解壓縮hadoop安裝包茅特,并配置環(huán)境變量

6) 修改配置文件($HADOOP_HOME/conf)

hadoop-env.sh core-site.xml hdfs-site.xml mapred-site.xml

7) 格式化hdfs文件系統(tǒng) (hadoop namenode -format)

8) 啟動hadoop ($HADOOP_HOME/bin/start-all.sh)

9) 使用jps查看進(jìn)程

2. 請列出正常工作的hadoop集群中hadoop都分別需要啟動那些進(jìn)程,他們的作用分別是什么棋枕,盡可能寫的全面些白修。

1) NameNode: HDFS的守護(hù)進(jìn)程,負(fù)責(zé)記錄文件是如何分割成數(shù)據(jù)塊重斑,以及這些數(shù)據(jù)塊分別被存儲到那些數(shù)據(jù)節(jié)點上兵睛,它的主要功能是對內(nèi)存及IO進(jìn)行集中管理

2) Secondary NameNode:輔助后臺程序,與NameNode進(jìn)行通信,以便定期保存HDFS元數(shù)據(jù)的快照祖很。

3) DataNode:負(fù)責(zé)把HDFS數(shù)據(jù)塊讀寫到本地的文件系統(tǒng)笛丙。

4) JobTracker:負(fù)責(zé)分配task,并監(jiān)控所有運行的task假颇。

5) TaskTracker:負(fù)責(zé)執(zhí)行具體的task胚鸯,并與JobTracker進(jìn)行交互。

3. 請列出你所知道的hadoop調(diào)度器笨鸡,并簡要說明其工作方法姜钳。

比較流行的三種調(diào)度器有:默認(rèn)調(diào)度器FIFO,計算能力調(diào)度器Capacity Scheduler形耗,公平調(diào)度器Fair Scheduler

1) 默認(rèn)調(diào)度器FIFO

hadoop中默認(rèn)的調(diào)度器哥桥,采用先進(jìn)先出的原則

2) 計算能力調(diào)度器Capacity Scheduler

選擇占用資源小,優(yōu)先級高的先執(zhí)行

3) 公平調(diào)度器Fair Scheduler

同一隊列中的作業(yè)公平共享隊列中所有資源

4. Hive有那些方式保存元數(shù)據(jù)的激涤,各有那些特點拟糕。

1) 內(nèi)存數(shù)據(jù)庫derby,較小倦踢,不常用

2) 本地mysql送滞,較常用

3) 遠(yuǎn)程mysql,不常用

5. 請簡述hadoop怎樣實現(xiàn)二級排序硼一。

在Hadoop中累澡,默認(rèn)情況下是按照key進(jìn)行排序,如果要按照value進(jìn)行排序怎么辦般贼?

有兩種方法進(jìn)行二次排序愧哟,分別為:buffer and in memory sort和 value-to-key conversion。

buffer and in memory sort

主要思想是:在reduce()函數(shù)中哼蛆,將某個key對應(yīng)的所有value保存下來蕊梧,然后進(jìn)行排序。 這種方法最大的缺點是:可能會造成out of memory腮介。

value-to-key conversion

主要思想是:將key和部分value拼接成一個組合key(實現(xiàn)WritableComparable接口或者調(diào)setSortComparatorClass函數(shù))肥矢,這樣reduce獲取的結(jié)果便是先按key排序,后按value排序的結(jié)果叠洗,需要注意的是甘改,用戶需要自己實現(xiàn)Paritioner,以便只按照key進(jìn)行數(shù)據(jù)劃分灭抑。Hadoop顯式的支持二次排序十艾,在Configuration類中有個setGroupingComparatorClass()方法,可用于設(shè)置排序group的key值

http://dongxicheng.org/mapreduce/hadoop-join-two-tables/

6. 簡述hadoop實現(xiàn)Join的幾種方法。

1) reduce side join

reduce side join是一種最簡單的join方式,其主要思想如下:

在map階段氮昧,map函數(shù)同時讀取兩個文件File1和File2订咸,為了區(qū)分兩種來源的key/value數(shù)據(jù)對北启,對每條數(shù)據(jù)打一個標(biāo)簽(tag),比如:tag=0表示來自文件File1惰许,tag=2表示來自文件File2孙乖。即:map階段的主要任務(wù)是對不同文件中的數(shù)據(jù)打標(biāo)簽橄浓。

在reduce階段访递,reduce函數(shù)獲取key相同的來自File1和File2文件的value list晦嵌, 然后對于同一個key,對File1和File2中的數(shù)據(jù)進(jìn)行join(笛卡爾乘積)力九。即:reduce階段進(jìn)行實際的連接操作耍铜。

2) map side join

之所以存在reduce side join,是因為在map階段不能獲取所有需要的join字段跌前,即:同一個key對應(yīng)的字段可能位于不同map中棕兼。Reduce side join是非常低效的,因為shuffle階段要進(jìn)行大量的數(shù)據(jù)傳輸抵乓。

Map side join是針對以下場景進(jìn)行的優(yōu)化:兩個待連接表中伴挚,有一個表非常大,而另一個表非常小灾炭,以至于小表可以直接存放到內(nèi)存中茎芋。這樣,我們可以將小表復(fù)制多份蜈出,讓每個map task內(nèi)存中存在一份(比如存放到hash table中)田弥,然后只掃描大表:對于大表中的每一條記錄key/value,在hash table中查找是否有相同的key的記錄铡原,如果有偷厦,則連接后輸出即可。

為了支持文件的復(fù)制燕刻,Hadoop提供了一個類DistributedCache只泼,使用該類的方法如下:

A:用戶使用靜態(tài)方法DistributedCache.addCacheFile()指定要復(fù)制的文件,它的參數(shù)是文件的URI(如果是HDFS上的文件卵洗,可以這樣:hdfs://namenode:9000/home/XXX/file请唱,其中9000是自己配置的NameNode端口號)。JobTracker在作業(yè)啟動之前會獲取這個URI列表过蹂,并將相應(yīng)的文件拷貝到各個TaskTracker的本地磁盤上十绑。

B:用戶使用DistributedCache.getLocalCacheFiles()方法獲取文件目錄,并使用標(biāo)準(zhǔn)的文件讀寫API讀取相應(yīng)的文件酷勺。

3) SemiJoin

SemiJoin孽惰,也叫半連接,是從分布式數(shù)據(jù)庫中借鑒過來的方法鸥印。它的產(chǎn)生動機(jī)是:對于reduce side join勋功,跨機(jī)器的數(shù)據(jù)傳輸量非常大,這成了join操作的一個瓶頸库说,如果能夠在map端過濾掉不會參加join操作的數(shù)據(jù)狂鞋,則可以大大節(jié)省網(wǎng)絡(luò)IO。

實現(xiàn)方法很簡單:選取一個小表潜的,假設(shè)是File1骚揍,將其參與join的key抽取出來,保存到文件File3中啰挪,F(xiàn)ile3文件一般很小信不,可以放到內(nèi)存中。在map階段亡呵,使用DistributedCache將File3復(fù)制到各個TaskTracker上抽活,然后將File2中不在File3中的key對應(yīng)的記錄過濾掉,剩下的reduce階段的工作與reduce side join相同锰什。

更多關(guān)于半連接的介紹下硕,可參考:半連接介紹:http://wenku.baidu.com/view/ae7442db7f1922791688e877.html

4) reduce side join + BloomFilter

在某些情況下,SemiJoin抽取出來的小表的key集合在內(nèi)存中仍然存放不下汁胆,這時候可以使用BloomFiler以節(jié)省空間梭姓。

BloomFilter最常見的作用是:判斷某個元素是否在一個集合里面。它最重要的兩個方法是:add() 和contains()嫩码。最大的特點是不會存在false negative誉尖,即:如果contains()返回false,則該元素一定不在集合中铸题,但會存在一定的true negative铡恕,即:如果contains()返回true,則該元素可能在集合中回挽。

因而可將小表中的key保存到BloomFilter中没咙,在map階段過濾大表,可能有一些不在小表中的記錄沒有過濾掉(但是在小表中的記錄一定不會過濾掉)千劈,這沒關(guān)系祭刚,只不過增加了少量的網(wǎng)絡(luò)IO而已。

更多關(guān)于BloomFilter的介紹墙牌,可參考:http://blog.csdn.net/jiaomeng/article/details/1495500

7. 請簡述MapReduce中combiner涡驮、partition的作用。

combiner:

有時一個map可能會產(chǎn)生大量的輸出喜滨,combiner的作用是在map端對輸出先做一次合并捉捅,以減少網(wǎng)絡(luò)傳輸?shù)絩educer的數(shù)量。

注意:mapper的輸出為combiner的輸入虽风,reducer的輸入為combiner的輸出棒口。

partition:

把map任務(wù)輸出的中間結(jié)果按照key的范圍劃分成R份(R是預(yù)先定義的reduce任務(wù)的個數(shù))寄月,劃分時通常使用hash函數(shù),如:hash(key) mod R

這樣可以保證一段范圍內(nèi)的key无牵,一定會由一個reduce任務(wù)來處理漾肮。

來源:http://www.tuicool.com/articles/bUruqi2

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市茎毁,隨后出現(xiàn)的幾起案子克懊,更是在濱河造成了極大的恐慌,老刑警劉巖七蜘,帶你破解...
    沈念sama閱讀 216,402評論 6 499
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件谭溉,死亡現(xiàn)場離奇詭異,居然都是意外死亡橡卤,警方通過查閱死者的電腦和手機(jī)扮念,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,377評論 3 392
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來蒜魄,“玉大人扔亥,你說我怎么就攤上這事√肝” “怎么了旅挤?”我有些...
    開封第一講書人閱讀 162,483評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長伞鲫。 經(jīng)常有香客問我粘茄,道長,這世上最難降的妖魔是什么秕脓? 我笑而不...
    開封第一講書人閱讀 58,165評論 1 292
  • 正文 為了忘掉前任柒瓣,我火速辦了婚禮,結(jié)果婚禮上吠架,老公的妹妹穿的比我還像新娘芙贫。我一直安慰自己,他們只是感情好傍药,可當(dāng)我...
    茶點故事閱讀 67,176評論 6 388
  • 文/花漫 我一把揭開白布磺平。 她就那樣靜靜地躺著,像睡著了一般拐辽。 火紅的嫁衣襯著肌膚如雪拣挪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,146評論 1 297
  • 那天俱诸,我揣著相機(jī)與錄音菠劝,去河邊找鬼。 笑死睁搭,一個胖子當(dāng)著我的面吹牛赶诊,可吹牛的內(nèi)容都是我干的笼平。 我是一名探鬼主播,決...
    沈念sama閱讀 40,032評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼甫何,長吁一口氣:“原來是場噩夢啊……” “哼出吹!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起辙喂,我...
    開封第一講書人閱讀 38,896評論 0 274
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎鸠珠,沒想到半個月后巍耗,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,311評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡渐排,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,536評論 2 332
  • 正文 我和宋清朗相戀三年炬太,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片驯耻。...
    茶點故事閱讀 39,696評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡亲族,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出可缚,到底是詐尸還是另有隱情霎迫,我是刑警寧澤,帶...
    沈念sama閱讀 35,413評論 5 343
  • 正文 年R本政府宣布帘靡,位于F島的核電站知给,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏描姚。R本人自食惡果不足惜涩赢,卻給世界環(huán)境...
    茶點故事閱讀 41,008評論 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望轩勘。 院中可真熱鬧筒扒,春花似錦、人聲如沸绊寻。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽榛斯。三九已至观游,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間驮俗,已是汗流浹背懂缕。 一陣腳步聲響...
    開封第一講書人閱讀 32,815評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留王凑,地道東北人搪柑。 一個月前我還...
    沈念sama閱讀 47,698評論 2 368
  • 正文 我出身青樓聋丝,卻偏偏與公主長得像,于是被迫代替她去往敵國和親工碾。 傳聞我的和親對象是個殘疾皇子弱睦,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,592評論 2 353

推薦閱讀更多精彩內(nèi)容