【300+精选大厂面试题持续分享】大数据运维尖刀面试题专栏（十一）

持续分享有用、有价值、精选的优质大数据面试题

致力于打造全网最全的大数据面试专题题库

101、简述Hadoop有哪些调度器？

参考答案：

hadoop中常用的调度器有三种：

        1)FIFO：（hadoop2.x之前的默认调度器），它先按照作业的优先级高低，再按照到达时间的先后选择被执行的作业。

        2)计算能力调度器（容量调度器）Capacity schedular：（hadoop2.x之后的默认调度器）支持多个队列，每个队列可配置一定的资源量，每个队列采用FIFO调度策略，为了防止同一个作业独占队列中的资源，该调度器会对同一用户提交的作业所占资源进行限定。调度时，首先按照以下策略选择一个合适队列：计算每个正在运行任务数与其应该分得的计算资源之间的比值，选择一个该比值最小的队列；然后按以下策略选择队列中一个作业，按照作业优先级和提交时间顺序选择，同时考虑用户资源量限制和内存限制。

        3)公平调度器Fair scheduler    同计算能力调度器类似，支持多队列多用户。每个队列的资源量可配置，同一队列中的作业公平共享队列中所有资源。

102、我们该如何选择调度器？

参考答案：

        如果你的场景需要先提交的JOB限制性，那就FIFO。

        如果想着大家都有机会获取到资源，就得用容量调度，公平调度。容量调度不好的地方是多个队列资源不能相互抢占，提前就把资源分走了，哪怕那个队列没有任务，所以一般都是公平调度。

        FIFO调度没人单独用。公平调度支持在某个队列内部选择公平调度还是FIFO。

        所以可以认为公平调度是一个混合的调度器。

103、hadoop集群可以运行的3个模式是什么？

参考答案：

        （1）单机模式

        （2）伪分布模式

        （3）分布式

104、谈谈你对 Hadoop Streaming的认识？

参考答案：

        （1）Hadoop Streaming框架最大的好处是，让任何语言编写的map, reduce程序能够在hadoop集群上运行；map/reduce程序只要遵循从标准输入stdin读，写出到标准输出stdout即可。  

        （2）Hadoop Streaming容易进行单机调试，通过管道前后相接的方式就可以模拟streaming, 在本地完成map/reduce程序的调试 # cat inputfile | mapper | sort | reducer > output   。

        （3）streaming框架还提供了作业提交时的丰富参数控制，直接通过streaming参数，而不需要使用java语言修改；很多mapreduce的高阶功能，都可以通过steaming参数的调整来完成。

105、简述在combiner和sort分别是发生在map 端还是在reduce端？

参考答案：

        Combiner 发生在map节点；sort排序发生在map和reduce阶段。

106、用mr实现怎么实现一个大表和一个小表关联，以及两个大表怎么关联？谈谈你的思路

参考答案：

        （1）大小表关联用Reduce join 的分布式缓存。

        （2）两个大表关联：Reduce join + BloomFilter。

107、在yarn中，一个job 的运行流程是怎样的？

参考答案：

    步骤1：用户向YARN中提交应用程序，其中包括ApplicationMaster程序、启动ApplicationMaster、用户程序等。

       步骤2：ResourceManager为该应用程序分配第一个Container，并与对应的NodeManager通信，要求它在这个Container中启动应用程序的ApplicationMaster。

    步骤3：ApplicationMaster首先向ResourceManager注册，这样用户可以直接通过ResourceManager查看应用程序的运行状态，然后它将为各个任务申请资源，并监控他的运行状态，直到运行结束，即要重复步骤4-7。

       步骤4：ApplicationMaster采用轮询的方式通过RPC协议找ResourceManager申请和领取资源。

       步骤5：一旦Application申请到资源后，便与对应的NodeManager通信，要求启动任务。

       步骤6：NodeManager为任务设置好运行环境，包括环境变量、JAR包、二进制程序等，然后将任务启动命令写到另一个脚本中，并通过运行该脚本启动任务。

     步骤7：各个任务通过RPC协议向ApplicationMaster汇报自己的状态和进度，ApplicationMaster随时掌握各个任务的运行状态，从而可以再任务失败时重新启动任务。在应用程序运行过程中，用户可以随时通过RPC协议ApplicationMaster查询应用程序的当前运行状态。

        步骤８：应用程序运行完成后，ApplicationMaster向ResourceManager注销并关闭自己。

108、假设HDFS数据块blocksize大小为64MB，输入类为FileInputFormat，现在有3个文件，大小分别为64KB, 65MB, 200MB，请问Hadoop框架会把这些文件拆分为多少块？总共有多少个map任务？(假设split的大小等于块的大小)

参考答案：

文件   数据块数量    map数量

64kb         1                1

65MB        2                1

200MB      4                4

109、描述一下hadoop生态圈中有哪些地方使用到了缓存机制，作用分别是什么？

参考答案：

        （1）MapReduce中的shuffle过程中使用了缓存机制，map task的输出数据需要先写入内存缓冲区中，缓冲区的作用是批量收集map结果，减少磁盘IO的影响。

       （2）Hbase中的缓存分了两层：MemStore 和 BlockCache，MemStore供写数据使用，BlockCache供读数据使用

110、请列出正常的hadoop集群中都分别需要启动哪些进程，他们的作用分别都是什么？请尽量列的详细一些。

参考答案：

        1）NameNode ：管理hdfs名字空间、数据块映射关系，配置副本策略，接受读写请求。

        2）DataNode：存储数据，执行数据的读写操作。

    3）ResourceManager：处理客户端请求，启动并监控ApplicationMaster，监控NodeManager，资源分配与调度。

        4）NodeManager：单节点资源管理，处理来自ResourceManager和ApplicationMaster的指令。

        5）Zookeeper：协调服务，实现NN  RM 高可用 。

        6）FailoverController（zkfc ）：不断监听本机NN的状态，然后周期性的向Zookeeper发送心跳，如果当前NN关掉了，重新选举NN Active。

        7）journalnode：确保两个NN元数据保持同步。

持续分享有用、有价值、精选的优质大数据面试题

致力于打造全网最全的大数据面试专题题库