Hadoop+Zookeeper+HA错题总结（一）

题目3：

下列哪项通常是hadoop集群运行时的最主要瓶颈？() [单选题]

A、CPU
B、网络
C、磁盘 IO
D、内存
【参考答案】: C
【您的答案】: D

这道题的答案取决于集群的性能，一般来说运行时的主要瓶颈是网络。但是如果集群的磁盘IO性能较差，磁盘IO也可能是主要瓶颈。

题目5：

MapReduce的MapTask工作机制中最后要执行的步骤是？[单选题]

A、溢写
B、分区
C、排序
D、合并
【参考答案】: D
【您的答案】: A

MapTask工作机制中总共分为四步：

1. 输入数据分片（Input Split）：将输入数据按照指定的分片规则划分成多个片段，每个片段由一个MapTask处理。这些数据分片通常存储在分布式文件系统（如HDFS）中。

2. 映射（Map）：对每个输入数据片段应用用户定义的映射函数。映射函数将输入数据解析为一组键值对，并对每个键值对执行操作，生成中间键值对。这一步是将原始数据转换为中间数据的阶段。

3. 排序和分区（Shuffle）：将映射阶段生成的中间键值对按照键的排序规则进行排序。然后，根据用户定义的分区函数，将排序后的键值对划分成若干个分区。每个分区将被发送给一个Reduce任务。

4. 本地合并和规约（Combine，可选）：在Map阶段结束后，可以对每个分区中的键值对进行本地合并和规约操作，以减少数据传输量。这一步是可选的，并不是所有的MapReduce作业都会使用本地合并和规约。

所以本题答案是D选项，合并。

题目7：

下列关于hadoop中partition描述正确的是？

A、reduce的个数小于分区个数且不等于1的时候会报错
B、默认只有一个reduce，虽然自定义了分区，但不会使用自定义分区类
C、分区个数小于reduce的个数时，会有空文件出现
D、自定义分区的分区号默认从0开始
【参考答案】: ABCD
【您的答案】: ACD

B选项的描述有点模糊，默认情况Hadoop只有一个reduce，前半句是对的。后半句，如果自定义了分区器，还需要设置使用自定义的分区器，否则默认还是使用Hash分区器。

题目12：

HDFS-HA工作要点中元数据管理，描写正确的是？[多选]

A、俩个namenode内存中各自保存一份元数据
B、Edits日志只有Active状态的NameNode节点可以做写操作
C、两个NameNode都可以读取Edits
D、共享的Edits放在一个共享存储中管理（qjournal和NFS两个主流实现）
【参考答案】: ABCD
【您的答案】: AB
A、俩个namenode内存中各自保存一份元数据：正确。HDFS-HA中的两个NameNode分别管理自己的内存中元数据，以实现高可用性。

B、Edits日志只有Active状态的NameNode节点可以做写操作：正确。在HDFS-HA中，只有Active状态的NameNode节点允许进行写操作，Standby节点只能接收复制的元数据信息。

C、两个NameNode都可以读取Edits：在HDFS-HA中，只有Active状态的NameNode节点允许读取和写入Edits，Standby节点只能读取复制的元数据信息，以保持数据的一致性，从某个角度来说，两个NameNode确实都可以读取Edits.

D、共享的Edits放在一个共享存储中管理（qjournal和NFS两个主流实现）：正确。在HDFS-HA中，共享的Edits日志通常存储在一个共享的存储系统中，这可以通过qjournal（QuorumJournalManager）或NFS（Network File System）等主流实现来实现。

所以，正确的选项是A、B、C和D。

题目15：

NameNode故障后，采用什么方法恢复数据？[单选题]

A、将SecondaryNameNode中数据拷贝到NameNode存储数据的目录
B、使用-importCheckpoint选项启动NameNode守护进程，从而将SecondaryNameNode中数据拷贝到NameNode目录中。
C、AB都可以
D、AB都不可以
【参考答案】: C
【您的答案】: D

A 选项不是常用方法，但也是恢复方式之一。
B选项是最常用的恢复方式，也更为可靠和方便。
通过执行上述操作，可以将SecondaryNameNode的镜像数据导入到NameNode，从而恢复文件系统的状态。
所以，正确的选项是C

题目18：

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 [单选题]

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
B、 根据策略对数据块进行必要的复制或删除
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
D、文件系统允许有修改
【参考答案】: D
【您的答案】: B

A选项：检查数据块的有效性是安全模式的目的之一，安全模式的主要目的是确保数据的稳定和一致的状态。
B选项：

• 数据块复制：安全模式可以触发数据块的复制操作，以确保数据块的副本数量达到或超过配置的最小副本数。

• 数据块删除：安全模式可以触发删除多余的数据块副本，以确保数据块的副本数量不超过配置的最大副本数。

C选项：安全模式退出策略：安全模式可以根据不同的策略来决定何时退出。例如，可以配置在满足一定条件（如数据块最小百分比数满足的最小副本数）时自动退出安全模式。

D选项：在安全模式下，文件系统通常不允许进行写入操作。这是为了确保文件系统的元数据和数据块的一致性和稳定性。修改时必须进行写入，故无法进行修改，D错误。

题目21：

MapTask工作机制描述不正确的是？

A、Read阶段：MapTask通过用户编写的RecordReader，从输入InputSplit中解析出一个个key/value。
B、Collect收集阶段：在用户编写map()函数中，当数据处理完成后，一般会调用OutputCollector.collect()输出结果。在该函数内部，它会将生成的key/value分区（调用Partitioner），并写入一个环形内存缓冲区中。
C、Spill阶段：即“溢写”，当环形缓冲区满后，MapReduce会将数据写到本地磁盘上，生成一个临时文件。需要注意的是，将数据写入本地磁盘之前，先要对数据进行一次本地排序，并在必要时对数据进行合并、压缩等操作
D、Merge阶段：在远程拷贝数据的同时，MapTask启动了两个后台线程对内存和磁盘上的文件进行合并，以防止内存使用过多或磁盘上文件过多。
【参考答案】: D
【您的答案】: C
D选项，是ReduceTask的sort阶段启动了两个后台线程程对内存和磁盘上的文件进行合并。

题目22：

Hadoop的优势，下面描述正确的是？[多选题]

A、高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。
B、高扩展性：在集群间分配任务数据，可方便的扩展数以干计的节点。
C、高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。
D、高容错性：能够自动将失败的任务重新分配。
【参考答案】: ABCD
【您的答案】: ACD

hadoop有四高特性, 答案为ABCD

题目23：

hadoop的namenode格式化时需要注意什么？[多选题]

A、格式化NameNode，会产生新的集群id,导致DataNode中记录的的集群id和刚生成的NameNode的集群id不 一致，所以需要观察对比id是否一样。
B、格式NameNode时，一定要先删除每个节点的data目录和logs日志，然后再格式化NameNode。
C、格式NameNode的命令是 hdfs namenode -format
D、格式化时报错，无法格式化成功，可以查看/tmp下是否有hadoop相关文件，需要删掉再重新格式化
【参考答案】: ABCD
【您的答案】: ABC

A、格式化NameNode，会产生新的集群id，导致DataNode中记录的集群id和新生成的NameNode的集群id不一致，所以需要观察对比id是否一样。这是正确的，因为集群id的一致性对于正常的集群运行非常重要。

B、格式化NameNode时，一定要先删除每个节点的data目录和logs日志，然后再格式化NameNode。这是正确的，清除旧的数据和日志可以确保新的NameNode处于干净的状态。

C、格式NameNode的命令是 hdfs namenode -format。这是正确的格式化NameNode的命令。

D、格式化时报错，无法格式化成功，可以查看/tmp下是否有hadoop相关文件，需要删掉再重新格式化。这也是正确的，如果格式化过程中出现错误，可以检查临时目录（例如/tmp）下是否残留有Hadoop相关文件，需要删除它们后再重新尝试格式化。

所以正确的选项是A、B、C、D。