2021最新版的大數據面試題有哪些

這篇文章主要講解了“2021最新版的大數據面試題有哪些”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“2021最新版的大數據面試題有哪些”吧！

1、選擇題

1.1.下面哪個程序負責 HDFS 數據存儲。

• a)NameNode

• b)Jobtracker

• c)Datanode

• d)secondaryNameNode

• e)tasktracker

答案 C datanode

1.2.HDfS 中的 block 默認保存幾份？

• a)3 份

• b)2 份

• c)1 份

• d)不確定

答案 A 默認 3 份

1.3.下列哪個程序通常與 NameNode 在一個節點啟動?

• a)SecondaryNameNode

• b)DataNode

• c)TaskTracker

• d)Jobtracker

答案 D

1.4.HDFS 默認 Block Size

a)32MB

b)64MB

c)128MB

答案：B

1.5.下列哪項通常是集群的最主要瓶頸

• a)CPU

• b)網絡

• c)磁盤 IO

• d)內存

答案：C 磁盤

1.6.關于 SecondaryNameNode 哪項是正確的？

• a)它是 NameNode 的熱備

• b)它對內存沒有要求

• c)它的目的是幫助 NameNode 合并編輯日志，減少 NameNode 啟動時間

• d)SecondaryNameNode 應與 NameNode 部署到一個節點

答案 C。

1.7.下列哪項可以作為集群的管理？

• a)Puppet

• b)Pdsh

• c)Cloudera Manager

• d)Zookeeper

答案 ABD

1.8.Client 端上傳文件的時候下列哪項正確

• a)數據經過 NameNode 傳遞給 DataNode

• b)Client 端將文件切分為 Block，依次上傳

• c)Client 只上傳數據到一臺 DataNode，然后由 NameNode 負責 Block 復制工作

答案 B 分析：Client 向 NameNode 發起文件寫入的請求。NameNode 根據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 Block，根據 DataNode 的地址信息，按順序寫入到每一個 DataNode 塊中。具體查看 HDFS 體系結構簡介及優缺點。

1.9.下列哪個是 Hadoop 運行的模式

• a)單機版

• b)偽分布式

• c)分布式

答案 ABC 單機版,偽分布式只是學習用的。

2、面試題

2.1. Hadoop 的核心配置是什么？

Hadoop 的核心配置通過兩個 xml 文件來完成：1，hadoop-default.xml；2，hadoop-site.xml。這些文件都使用 xml 格式，因此每個 xml 中都有一些屬性，包括名稱和值，但是當下這些文件都已不復存在。

2.2.那當下又該如何配置？

Hadoop 現在擁有 3 個配置文件：1，core-site.xml；2，hdfs-site.xml；3，mapred-site.xml。這些文件都保存在 conf/子目錄下。

2.3.“jps”命令的用處？

這個命令可以檢查 Namenode、Datanode、Task Tracker、 Job Tracker 是否正常工作。

2.4.mapreduce 的原理?

2.5. HDFS 存儲的機制?

流程：

1、 client 鏈接 namenode 存數據

2、 namenode 記錄一條數據位置信息（元數據），告訴 client 存哪。

3、 client 用 hdfs 的 api 將數據塊（默認是 64M）存儲到 datanode 上。

4、 datanode 將數據水平備份。并且備份完將反饋 client。

5、 client 通知 namenode 存儲塊完畢。

6、 namenode 將元數據同步到內存中。

7、 另一塊循環上面的過程。

流程：

1、 client 鏈接 namenode，查看元數據，找到數據的存儲位置。

2、 client 通過 hdfs 的 api 并發讀取數據。

3、 關閉連接。

2.6.舉一個簡單的例子說明 mapreduce 是怎么來運行的 ?

wordcount 的例子

2.7.用 mapreduce 來實現下面需求？

現在有 10 個文件夾,每個文件夾都有 1000000 個 url.現在讓你找出 top1000000url。

解答：topk

(還可以用 treeMap, 到 1000000 了每來一個都加進去, 刪掉最小的)

2.8.hadoop 中 Combiner 的作用?

combiner 是 reduce 的實現，在 map 端運行計算任務，減少 map 端的輸出數據。

作用就是優化。

但是 combiner 的使用場景是 mapreduce 的 map 和 reduce 輸入輸出一樣。

2.9.簡述 hadoop 安裝

2.10. 請列出 hadoop 進程名

2.11. 解決下面的錯誤

2.12. 寫出下面的命令

2.13. 簡述 hadoop 的調度器

2.14. 列出你開發 mapreduce 的語言

2.15. 書寫程序

2.16. 不同語言的優缺點

2.17. hive 有哪些保存元數據的方式，個有什么特點。

2.18. combiner 和 partition 的作用

2.19. hive 內部表和外部表的區別

• 內部表：加載數據到 hive 所在的 hdfs 目錄，刪除時，元數據和數據文件都刪除

• 外部表：不加載數據到 hive 所在的 hdfs 目錄，刪除時，只刪除表結構

2.20. hbase 的 rowkey 怎么創建好？列族怎么創建比較 好？

• hbase 存儲時，數據按照 Row key 的字典序(byte order)排序存儲。設計 key 時，要充分排序

• 存儲這個特性，將經常一起讀取的行存儲放到一起。(位置相關性)一個列族在數據底層是一個文件，所以將經常一起查詢的列放到一個列族中，列族盡量少， 減少文件的尋址時間。

2.21. 用 mapreduce 怎么處理數據傾斜問題？

2.22. hadoop 框架中怎么來優化

2.23. 我們開發 job 時，是否可以去掉 reduce 階段。

可以。設置 reduce 數為 0 即可

2.24. datanode 在什么情況下不會備份

datanode 在強制關閉或者非正常斷電不會備份

2.25. combiner 出現在那個過程

出現在 map 階段的 map 方法后。

2.26. hdfs 的體系結構

• hdfs 有 namenode、secondraynamenode、datanode 組成。

• 為 n+1 模式

• namenode 負責管理 datanode 和記錄元數據

• secondraynamenode 負責合并日志

• datanode 負責存儲數據

2.27. 3 個 datanode 中有一個 datanode 出現錯誤會怎樣？

這個 datanode 的數據會在其他的 datanode 上重新做備份。

2.28. 描述一下 hadoop 中，有哪些地方使用了緩存機制， 作用分別是什么？

在 mapreduce 提交 job 的獲取 id 之后，會將所有文件存儲到分布式緩存上，這樣文件可以被所有的 mapreduce 共享。

2.29. 如何確定 hadoop 集群的健康狀態

通過頁面監控,腳本監控。

2.30. 生產環境中為什么建議使用外部表？

1、因為外部表不會加載數據到 hive，減少數據傳輸、數據還能共享。

2、hive 不會修改數據，所以無需擔心數據的損壞

3、 刪除表時，只刪除表結構、不刪除數據。

感謝各位的閱讀，以上就是“2021最新版的大數據面試題有哪些”的內容了，經過本文的學習后，相信大家對2021最新版的大數據面試題有哪些這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！