面试官问题:
1、kafka的消息是怎样存储的?
2、Hive中输入SQL语句后,是如何转换成MapReduce程序的?
3、kafka的消息不丢失机制?
4、MR的一个Job如何在Hadoop集群中运行?
正确回答:
1、采用分片-副本机制存储。
分片:当数据量非常大的时候,一个服务器存不下,就分成多个部分存放在多个服务器上(segment段),而每个segment段包含一个*.index文件,一个*.log文件。前者用于存放数据的索引,后者存放实际的数据。
副本:防止其中的某些分片丢失,采用了副本机制,来保证数据的完整性。
2、
- 从客户端中获取sql语句
- 传到SQL语句解析器,识别SQL
- 调用模板组成的MapReduce程序模板库,组成MapReduce程序
- 提交MapReduce程序给Yarn执行
3、
4、
- RunJar(提交Job的客户端)向Yarn的RM(ResourceManager)申请运行本次应用的AppMaster。
- RM接受到请求,返回一个JobID和提交资源的路径,并通过RM在Yarn集群中的其中一个NM(NodeManager)中启动一个容器(AppMaster)。
- 客户端根据提交资源的路径,提交资源;并到指定的容器(Container)中启动本次程序的AppMaster。
- AM(AppMaster)跟RM注册自己,并且保持连接。
- AM去客户端提交的资源中,读取切片规划。比如这里有3个切片的路径。
- AP根据读取到的切片信息,向RM申请资源。
- RM收到申请,并通过NM启动与申请与资源相应个数的容器个数(这里切片是3个,所以申请了3个Container),并告诉AM,容器的具体位置。
- AM在申请到的容器中,运行MR程序(MapTask)。
- 当MapTask运行结束后,AM向RM汇报,我已经完成Job了,你可以回收容器了。
- RM通过NM,释放了刚才申请的容器。
- 如果程序还有Reduce阶段,那么AM就按照上述流程再走一遍(ReduceTask)。
- 当整个MR程序运行结束的时候,AM就会向RM注销自己。