Hadoop常见面试题总结

1.HDFS读写流程

1.1 读

（1）client跟namenode通信查询元数据，namenode通过查询元数据，找到文件块所在的datanode服务器
（2）挑选一台datanode（就近原则，然后随机）服务器，请求建立socket流
（3） datanode开始发送数据（从磁盘里面读取数据放入流，以packet为单位来做校验，大小为64k）
（4）客户端以packet为单位接收，现在本地缓存，然后写入目标文件

1.2 写

（1）客户端跟namenode通信请求上传文件，namenode检查目标文件是否已存在，父目录是否存在，用户是否有权限等（2）namenode返回是否可以上传
(3) client请求第一个 block该传输到哪些datanode服务器上
(4)namenode返回3个datanode服务器ABC
(5)client请求3台dn中的一台A上传数据（本质上是一个RPC调用，建立pipeline），A收到请求会继续调用B，然后B调用C，将整个pipeline建立完成，逐级返回客户端
(6)client开始往A上传第一个block（先从磁盘读取数据放到一个本地内存缓存），以packet为单位，A收到一个packet就会传给B，B传给C；A每传一个packet会放入一个应答队列等待应答
(7)当一个block传输完成之后，client再次请求namenode上传第二个block的服务器。
注：
a.在通过客户端向hdfs中写数据的时候，如果某一台机器宕机了，在写入的时候不会重新重新分配datanode。如果写入时，一个datanode挂掉，会将已经写入的数据放置到queue的顶部，并将挂掉的datanode移出pipline，将数据写入到剩余的datanode，在写入结束后， namenode会收集datanode的信息，发现此文件的replication没有达到配置的要求（default=3）,然后寻找一个datanode保存副本。。
b. datanode根据网络拓扑结构以及就近原则，返回三个节点给namenode。

2.hdfs的体系结构

hdfs有namenode、secondraynamenode、datanode组成。为n+1模式

2.1 NameNode负责管理和记录整个文件系统的元数据
2.2 DataNode 负责管理用户的文件数据块，文件会按照固定的大小（blocksize）切成若干块后分布式存储在若干台datanode上，每一个文件块可以有多个副本，并存放在不同的datanode上，Datanode会定期向Namenode汇报自身所保存的文件block信息，而namenode则会负责保持文件的副本数量
2.3 HDFS的内部工作机制对客户端保持透明，客户端请求访问HDFS都是通过向namenode申请来进行
2.4 secondraynamenode负责合并日志

3.一个datanode 宕机,怎么一个流程恢复

Datanode宕机了后，如果是短暂的宕机，可以实现写好脚本监控，将它启动起来。如果是长时间宕机了，那么datanode上的数据应该已经被备份到其他机器了，那这台datanode就是一台新的datanode了，删除他的所有数据文件和状态文件，重新启动。

4.hadoop 的 namenode 宕机,怎么解决

先分析宕机后的损失，宕机后直接导致client无法访问，内存中的元数据丢失，但是硬盘中的元数据应该还存在，如果只是节点挂了，重启即可，如果是机器挂了，重启机器后看节点是否能重启，不能重启就要找到原因修复了。但是最终的解决方案应该是在设计集群的初期就考虑到这个问题，做namenode的HA。</