Hadoop试题题库.doc

.袇1. 以下哪一项不属于Hadoop可以运行的模式_C_。 羇A. 单机（本地）模式 芃B. 伪分布式模式 螀C. 互联模式 羀D. 分布式模式 肇2. Hadoop的作者是下面哪一位_B_。蚄A. Martin Fowler 蒂B. Doug cutting 虿C. Kent Beck 膇D. Grace Hopper 肅3. 下列哪个程序通常与 NameNode 在同一个节点启动_D_。衿A. TaskTracker 蒈B. DataNode 芇C. SecondaryNameNode 蒆D. Jobtracker 薁4. HDFS 默认 Block Size的大小是_B_。薀A.32MB 芇B.64MB薂C.128MB 莃D.256M 艿5. 下列哪项通常是集群的最主要瓶颈_C_。 莇A. CPU 羃B. 网络 螁C. 磁盘IO 肈D. 内存 蒇6. 下列关于MapReduce说法不正确的是_C_。 莄A. MapReduce是一种计算框架蒃B. MapReduce来源于google的学术论文 袇C. MapReduce程序只能用java语言编写 薆D. MapReduce隐藏了并行计算的细节，方便使用袅8. HDFS是基于流数据模式访问和处理超大文件的需求而开发的，具有高容错、高可靠性、高可扩展性、高吞吐率等特征，适合的读写任务是 _D_。 羁A一次写入，少次读 袀B多次写入，少次读 蚆C多次写入，多次读 羂D一次写入，多次读蚃9. HBase依靠_A_存储底层数据。虿A. HDFS螆B. Hadoop 莃C. Memory 膁D. MapReduce 莈10. HBase依赖_D_提供强大的计算能力。袆A. Zookeeper 螄B. Chubby 袂C. RPC 蒁D. MapReduce 袆11. HBase依赖_A_提供消息通信机制膅A. Zookeeper 芀B. Chubby 腿C. RPC 羆D. Socket 薅12. 下面与HDFS类似的框架是_C_？ 羂A. NTFS 羈B. FAT32 肆C. GFS 蚂D. EXT3蒀13. 关于 SecondaryNameNode 下面哪项是正确的_C_。 螇A. 它是 NameNode 的热备 膆B. 它对内存没有要求肃C. 它的目的是帮助 NameNode 合并编辑日志，减少 NameNode 启动时间 膂D. SecondaryNameNode 应与 NameNode 部署到一个节点 螀14. 大数据的特点不包括下面哪一项_D_。 芅A. 巨大的数据量 蒄B. 多结构化数据 蚀C. 增长速度快 蕿D. 价值密度高 莅HBase测试题袅1. HBase来源于哪一项？ C莂A The Google File System芈B MapReduce蒅C BigTable芆D Chubby螀2. 下面对HBase的描述哪些是正确的？ B、C、D莁A 不是开源的蒅B 是面向列的蒃C 是分布式的薁D 是一种NoSQL数据库膀3. HBase依靠（）存储底层数据 A薅A HDFS袃B Hadoop芃C Memory袈D MapReduce蚅4. HBase依赖（）提供消息通信机制 A芄A Zookeeper蚁B Chubby蚇C RPC螅D Socket蚅5. HBase依赖（）提供强大的计算能力 D莃A Zookeeper蚀B Chubby袄C RPC螂D MapReduce袁6. MapReduce与HBase的关系，哪些描述是正确的？ B、C葿A 两者不可或缺，MapReduce是HBase可以正常运行的保证羄B 两者不是强关联关系，没有MapReduce，HBase可以正常运行膃C MapReduce可以直接访问HBase薃D 它们之间没有任何关系蒆7. 下面哪些选项正确描述了HBase的特性？ A、B、C、D蒆A 高可靠性螂B 高性能艿C 面向列葿D可伸缩薆8. 下面与Zookeeper类似的框架是？D膃A Protobuf羀B Java芈C Kafka蚆D Chubby薃9. 下面与HDFS类似的框架是？C莈A NTFS羆B FAT32螆C GFS螀D EXT3膀10. 下面哪些概念是HBase框架中使用的？A、C螅A HDFS袆B GridFS膁C Zookeeper薈D EXT3螈第二部分：HBase核心知识点袅11. LSM含义是？A薂A 日志结构合并树芀B 二叉树薇C 平衡二叉树羅D 基于日志结构的合并树羃12. 下面对LSM结构描述正确的是？ A、C螈A 顺序存储莆B 直接写硬盘肅C 需要将数据Flush到磁盘肀D 是一种搜索平衡树蒀13. LSM更能保证哪种操作的性能？B肅A 读膅B 写蒁C 随机读羇D 合并膈14. LSM的读操作和写操作是独立的？A芅A 是。袂B 否。虿C LSM并不区分读和写羆D LSM中读写是同一种操作莅15. LSM结构的数据首先存储在（）。 B节A 硬盘上肇B 内存中蚅C 磁盘阵列中蒅D 闪存中蚃16 HFile数据格式中的Data字段用于（）。A蝿A 存储实际的KeyValue数据螈B 存储数据的起点蒅C 指定字段的长度螀D 存储数据块的起点薁17 HFile数据格式中的MetaIndex字段用于（）。D蒇A Meta块的长度薄B Meta块的结束点芁C Meta块数据内容罿D Meta块的起始点芆18 HFile数据格式中的Magic字段用于（）。A蚄A 存储随机数，防止数据损坏蚂B 存储数据的起点蚁C 存储数据块的起点肅D 指定字段的长度螄19 HFile数据格式中的KeyValue数据格式，下列选项描述正确的是（）。A、D肃A 是byte数组腿B 没有固定的结构肈C 数据的大小是定长的袄D 有固定的结构膀20 HFile数据格式中的KeyValue数据格式中Value部分是（）。C袁A 拥有复杂结构的字符串袇B 字符串羄C 二进制数据薁D 压缩数据莈第三部分：HBase高级应用介绍薅31 HBase中的批量加载底层使用（）实现。A肄A MapReduce羁B Hive肀C Coprocessor蚈D Bloom Filter肄32. HBase性能优化包含下面的哪些选项？A、B、C、D莂A 读优化蒈B 写优化莇C 配置优化膄D JVM优化螃33. Rowkey设计的原则，下列哪些选项的描述是正确的？A、B、C膀A 尽量保证越短越好膆B 可以使用汉字芃C 可以使用字符串袀D 本身是无序的蚈34. HBase构建二级索引的实现方式有哪些？ A、B羅A MapReduce莃B Coprocessor芁C Bloom Filter莀D Filter羈35. 关于HBase二级索引的描述，哪些是正确的？A、B蒃A 核心是倒排表羆B 二级索引概念是对应Rowkey这个“一级”索引肂C 二级索引使用平衡二叉树羁D 二级索引使用LSM结构螇36. 下列关于Bloom Filter的描述正确的是？A、C莇A 是一个很长的二进制向量和一系列随机映射函数袄B 没有误算率螀C 有一定的误算率袇D 可以在Bloom Filter中删除元素羅第四部分：HBase安装、部署、启动葿37. HBase官方版本可以安装在什么操作系统上？A、B、C肀A CentOS膅B Ubuntu肂C RedHat膁D Windows蝿38. HBase虚拟分布式模式需要（）个节点？A芅A 1蒃B 2袃C 3薈D 最少3个莄39. HBase分布式模式最好需要（）个节点？C羄A 1莁B 2莇C 3蒄D 最少莅关于hadoop的选择题肃1、Doug Cutting所创立的项目的名称都受到其家人的启发，以下项目不是由他创立的项目是 莀A Hadoop 薄B Nutch 蒂C Lucene 薁D Solr 腿答案：D 薄2、配置Hadoop时，JAVA_HOME包含在哪一个配置文件中 袃A hadoop-default.xml 芃B hadoop-env.sh 袈C hadoop-site.xml 羈D configuration.xsl 芄答案：B 蚀知识点：hadoop配置 羁3、Hadoop配置文件中，hadoop-site.xml显示覆盖hadoop-default.xml里的内容。在版本0.20中，hadoop-site.xml被分离成三个XML文件，不包括 肈A conf-site.xml 蚄B mapred-site.xml 蒂C core-site.xml 虿D hdfs-site.xml 膈答案：A 肅知识点：hadoop配置 袀4、蒈A. mapred-site.xml 膈B. core-site.xml 膂C. hdfs-site.xml 薂D. 以上均不是 芇答案：B 芇知识点：hadoop配置 薃5、关于Hadoop单机模式和伪分布式模式的说法，正确的是 肀A 两者都起守护进程，且守护进程运行在一台机器上 芀B 单机模式不使用HDFS，但加载守护进程 莇C 两者都不与守护进程交互，避免复杂性 羄D 后者比前者增加了HDFS输入输出以及可检查内存使用情况 螂答案：D 聿知识点：hadoop配置 蒇6、下列关于Hadoop API的说法错误的是 莅A Hadoop的文件API不是通用的，只用于HDFS文件系统 芀B Configuration类的默认实例化方法是以HDFS系统的资源配置为基础的 螈C FileStatus对象存储文件和目录的元数据 薇答案：A 薂/HDFS 羂7、HDFS的NameNode负责管理文件系统的命名空间，将所有的文件和文件夹的元数据保存在一个文件系统树中，这些信息也会在硬盘上保存成以下文件： 薇A日志 蚇B命名空间镜像 羃C两者都是 荿答案：C 蚀知识点： 螇8、HDFS的namenode保存了一个文件包括哪些数据块，分布在哪些数据节点上，这些信息也存储在硬盘上。 莃A正确 肁B错误 莈答案：B 螇知识点：在系统启动的时候从数据节点收集而成的 螄9、Secondary namenode就是namenode出现问题时的备用节点 蕿A正确 膇B错误 袇答案：B 膅知识点：它和元数据节点负责不同的事情。其主要功能就是周期性将元数据节点的命名空间镜像文件和修改日志合并，以防日志文件过大。合并过后的命名空间镜像文件也在Secondary namenode保存了一份，以防namenode失败的时候，可以恢复。 芁10、出现在datanode的VERSION文件格式中但不出现在namenode的VERSION文件格式中的是 膀A. namespaceID 羆B. storageID 节C. storageType 羃D. layoutVersion 罿答案：B 肆知识点：其他三项是公有的。layoutVersion是一个负整数，保存了HDFS的持续化在硬盘上的数据结构的格式版本号；namespaceID是文件系统的唯一标识符，是在文件系统初次格式化时生成的；storageType表示此文件夹中保存的是数据节点的类型 蚃11、Client在HDFS上进行文件写入时，namenode根据文件大小和配置情况，返回部分datanode信息，谁负责将文件划分为多个Block，根据DataNode的地址信息，按顺序写入到每一个DataNode块 蒁A Client 螈B Namenode 膆C Datanode 肄D Secondary namenode 膃答案：A 蒇知识点：HDFS文件写入 芆12、HDFS的是基于流数据模式访问和处理超大文件的需求而开发的，默认的最基本的存储单位是64M，具有高容错、高可靠性、高可扩展性、高吞吐率等特征，适合的读写任务是 蒅A一次写入，少次读写 蚁B多次写入，少次读写 薀C一次写入，多次读写 莆D多次写入，多次读写 蚂答案：C 莂知识点：HDFS特性 芈13、HDFS无法高效存储大量小文件，想让它能处理好小文件，比较可行的改进策略不包括 莆A 利用SequenceFile、MapFile、Har等方式归档小文件 芆B 多Master设计 肄C Block大小适当调小 莁D 调大namenode内存或将文件系统元数据存到硬盘里 螀答案：D 蚇知识点：HDFS特性 螆14、关于HDFS的文件写入，正确的是 莄A 支持多用户对同一文件的写操作 袀B 用户可以在文件任意位置进行修改 肈C 默认将文件块复制成三份存放 芄D 复制的文件块默认都存在同一机架上 膃答案：C 羀知识点：在HDFS的一个文件中只有一个写入者，而且写操作只能在文件末尾完成，即只能执行追加操作。默认三份文件块两块在同一机架上，另一份存放在其他机架上。 葿15、Hadoop fs中的-get和-put命令操作对象是 羆A 文件 袂B 目录 罿C 两者都是 蚆答案：C 莄知识点：HDFS命令 蚁16、Namenode在启动时自动进入安全模式，在安全模式阶段，说法错误的是 聿A 安全模式目的是在系统启动时检查各个DataNode上数据块的有效性 肇B 根据策略对数据块进行必要的复制或删除 膆C 当数据块最小百分比数满足的最小副本数条件时，会自动退出安全模式 蚄D 文件系统允许有修改 腿答案：D 蒈知识点：HDFS安全模式 薄/MapReduce 蒃17、MapReduce框架提供了一种序列化键/值对的方法，支持这种序列化的类能够在Map和Reduce过程中充当键或值，以下说法错误的是 艿A 实现Writable接口的类是值 衿B 实现WritableComparable接口的类可以是值或键 芅C Hadoop的基本类型Text并不实现WritableComparable接口 节D 键和值的数据类型可以超出Hadoop自身支持的基本类型 荿答案：C 芀18、以下四个Hadoop预定义的Mapper实现类的描述错误的是 螃A IdentityMapper实现Mapper，将输入直接映射到输出 芄B InverseMapper实现Mapper，反转键/值对 葿C RegexMapper实现Mapper，为每个常规表达式的匹配项生成一个(match, 1)对 莆D TokenCountMapper实现Mapper，当输入的值为分词时，生成(taken, 1)对 蒅答案：B 肃知识点：InverseMapper实现Mapper 蕿19、下列关于HDFS为存储MapReduce并行切分和处理的数据做的设计，错误的是 螇A FSDataInputStream扩展了DataInputStream以支持随机读 膇B 为实现细粒度并行，输入分片(Input Split)应该越小越好 袂C 一台机器可能被指派从输入文件的任意位置开始处理一个分片 薈D 输入分片是一种记录的逻辑划分，而HDFS数据块是对输入数据的物理分割 膈答案：B 蚅知识点：每个分片不能太小，否则启动与停止各个分片处理所需的开销将占很大一部分执行时间 薁20、针对每行数据内容为”Timestamp Url”的数据文件，在用JobConf对象conf设置conf.setInputFormat(WhichInputFormat.class)来读取这个文件时，WhichInputFormat应该为以下的 蚈A TextInputFormat 蕿B KeyValueTextInputFormat 莇C SequenceFileInputFormat 蚄D NLineInputFormat 螈答案：B 螆知识点：四项主要的InputFormat类。KeyValueTextInputFormat以每行第一个分隔符为界，分隔符前为key，之后为value，默认制表符为t 螅21、有关MapReduce的输入输出，说法错误的是 莃A 链接多个MapReduce作业时，序列文件是首选格式 袈B FileInputFormat中实现的getSplits()可以把输入数据划分为分片，分片数目和大小任意定义 膇C 想完全禁止输出，可以使用NullOutputFormat 薇D 每个reduce需将它的输出写入自己的文件中，输出无需分片 膂答案：B 节知识点：分片数目在薈22、Hadoop Streaming支持脚本语言编写简单MapReduce程序，以下是一个例子： 羄bin/hadoop jar contrib/streaming/hadoop-0.20-streaming.jar 膅 input input/filename 节 output output 罿 mapper dosth.py 5 蚆 file dosth.py 羃23、以下说法不正确的是 莂A Hadoop Streaming使用Unix中的流与程序交互 荿B Hadoop Streaming允许我们使用任何可执行脚本语言处理数据流 膄C 采用脚本语言时必须遵从UNIX的标准输入STDIN，并输出到STDOUT 螂D Reduce没有设定，上述命令运行会出现问题 蒂答案：D 蚄知识点：没有设定特殊的reducer，默认使用IdentityReducer 肄24、在高阶数据处理中，往往无法把整个流程写在单个MapReduce作业中，下列关于链接MapReduce作业的说法，不正确的是 虿AJob和JobControl类可以管理非线性作业之间的依赖 蝿BChainMapper和ChainReducer类可以用来简化数据预处理和后处理的构成 肅C使用ChainReducer时，每个mapper和reducer对象都有一个本地JobConf对象 薂DChainReducer.addMapper()方法中，一般对键/值对发送设置成值传递，性能好且安全性高 螂答案：D 衿知识点：ChainReducer.addMapper()方法中，值传递安全性高，引用传递性能高 蒆25、下面哪个程序负责 HDFS 数据存储。答案C datanode芄a)NameNode蒁b)Jobtracker罿c)Datanode 袇d)secondaryNameNode蚁e)tasktracker芀26. HDfS 中的 block 默认保存几份？ 答案A默认3分聿a)3 份羄b)2 份莃c)1 份肈d)不确定聿27. 下列哪个程序通常与 NameNode 在一个节点启动？答案D莄a)SecondaryNameNode袁b)DataNode肁c)TaskTracker腿d)Jobtracker螅28. Hadoop 作者 答案C Doug cutting薃a)Martin Fowler袀b)Kent Beck艿c)Doug cutting膆29. HDFS 默认 Block Size 答案：B肁a)32MB虿b)64MB 莈c)128MB蚇30、下列哪项通常是集群的最主要瓶颈：答案：C磁盘螃a)CPU蚂b)网络蒈c)磁盘IO 螄d)内存蒅31. 关于 SecondaryNameNode 哪项是正确的？答案C蒁a)它是 NameNode 的热备薈b)它对内存没有要求膅c)它的目的是帮助 NameNode 合并编辑日志，减少 NameNode 启动时间羃d)SecondaryNameNode 应与 NameNode 部署到一个节点。膀多选题：蚈1. 下列哪项可以作为集群的管理？答案：ABD薆a)Puppet 蚅b)Pdsh 罿c)Cloudera Manager蚈d)Zookeeper羇2. 配置机架感知的下面哪项正确：答案ABC肂a)如果一个机架出问题，不会影响数据读写羂b)写入数据的时候会写到不同机架的 DataNode 中螈c)MapReduce 会根据机架获取离自己比较近的网络数据肃3. Client 端上传文件的时候下列哪项正确？答案B螄a)数据经过 NameNode 传递给 DataNode螀b)Client 端将文件切分为 Block，依次上传袈c)Client 只上传数据到一台 DataNode，然后由 NameNode 负责 Block 复制工作蒄4. 下列哪个是 Hadoop 运行的模式：答案ABC节a)单机版 蕿b)伪分布式 羈c)分布式袅5. Cloudera 提供哪几种安装 CDH 的方法？答案：ABCD羄a)Cloudera manager 薂b)Tar