《大数据技术原理与应用（第3版）》期末复习——第七章MapReduce

MapReduce 知识点掌握：

1. MapReduce的设计理念是“计算向数据靠拢”。
   因为移动数据需要大量的网络传输开销。尤其是在大规模数据环境下，这种开销尤为惊人，所以，移动计算要比移动数据更加经济。本着这个理念，在一个集群中，只要有可能， MapReduce框架就会将Map程序就近地在HDFS数据所在的节点运行，即将计算节点和存储节点放在一起运行， 从而减少及节点之间的数据移动开销。
2. Hadoop框架是用java实现的，但是MapReduce应用程序不一定要用java来写。
3. MapReduce 的核心思想可以用“分而治之”来描述。

1【单选题】
下列说法错误的是________。
A、Map函数将输入的元素转换成<key,value>形式的键值对
B、Hadoop框架是用Java实现的，MapReduce应用程序则一定要用Java来写
C、不同的Map任务之间不能互相通信
D、MapReduce框架采用了Master/Slave架构，包括一个Master和若干个Slave
答案：B

2【单选题】
在使用MapReduce程序WordCount进行词频统计时，对于文本行“hello hadoop hello world”，经过WordCount程序的Map函数处理后直接输出的中间结果，应该是下面哪种形式________。
A、<“hello”,1>、<“hello”,1>、<“hadoop”,1>和<“world”,1>
B、<“hello”,1,1>、<“hadoop”,1>和<“world”,1>
C、<“hello”,<1,1>>、<“hadoop”,1>和<“world”,1>
D、<“hello”,2>、<“hadoop”,1>和<“world”,1>
答案：A

3【单选题】
在词频统计中，对于文本行"hello hadoop hello world"，经过WordCount的Reduce函数处理后的结果是________。
A、<“hello”,2><“hadoop”,1><“world”,1>
B、<“hadoop”,1><“hello”,2><“world”,1>
C、<“hello”,1,1><“hadoop”,1><“world”,1>
D、<“hadoop”,1><“hello”,1><“hello”,1><“world”,1>
答案：B
reduce函数的输出默认是有序的

4【单选题】
关于Hadoop MapReduce的叙述错误的是________。
A、MapReduce采用“分而治之”的思想
B、MapReduce的输入和输出都是键值对的形式
C、MapReduce将计算过程划分为Map任务和Reduce任务
D、MapReduce的设计理念是“数据向计算靠拢”
答案：D

5【单选题】
Hadoop MapReduce计算的流程是________。
A、Map任务—Shuffle—Reduce任务
B、Map任务—Reduce任务—Shuffle
C、Reduce任务—Map任务—Shuffle
D、Shuffle—Map任务—Reduce任务
答案：A

6【单选题】
编写MapReduce程序时，下列叙述错误的是______。
A、reduce函数所在的类必须继承自Reducer类
B、map函数的输出就是reduce函数的输入
C、reduce函数的输出默认是有序的 ⭐
D、启动MapReduce进行分布式并行计算的方法是start()。
答案：D

7【多选题】
下列关于传统并行计算框架（比如MPI）和MapReduce并行计算框架比较正确的是________。
A、前者相比后者学习起来更难
B、前者是共享式(共享内存/共享存储)，容错性差，后者是非共享式的，容错性好
C、前者适用于实时、细粒度计算、计算密集型，后者适用于批处理、非实时、数据密集型
D、前者所需硬件价格贵，可扩展性差，后者硬件便宜，扩展性好
答案：ABCD

8【多选题】
MapReduce体系结构主要由哪几个部分组成________。
A、TaskTracker
B、Task
C、JobTracker
D、Client
答案：ABCD
Client：客户端，用于提交作业
JobTracker：作业跟踪器，负责作业调度，作业执行，作业失败后恢复
TaskScheduler：任务调度器，负责任务调度
TaskTracker：任务跟踪器，负责任务管理(启动任务，杀死任务等)

9【多选题】
对MapReduce的体系结构，以下说法正确的是________。
A、分布式编程架构
B、以数据为中心，更看重吞吐率
C、分而治之的思想
D、将一个任务分解成多个子任务
答案：ABCD

10【多选题】
MapReduce为了保证任务的正常执行，采用________等多种容错机制。
A、重复执行
B、重新开始整个任务
C、推测执行
D、直接丢弃执行效率低的作业
答案：AC

11【多选题】
关于MapReduce的shuffle过程，叙述正确的是________。
A、Shuffle分为Map任务端的Shuffle和Reduce任务端的Shuffle
B、Map任务的输出结果不是立即写入磁盘，而是首先写入缓存
C、并非所有场合都可以使用合并操作
D、每个Reduce任务真正开始之前，大部分时间都在从Map端领取所需的数据
答案：ABCD

12【判断题】
MapReduce设计的一个理念就是“计算向数据靠拢”，而不是“数据向计算靠拢”，因为，移动数据需要大量的网络传输开销。
答案：√

13【判断题】
两个键值对<“hello”,1>和<“hello”,1>，如果对其进行归并(merge)，会得到<“hello”,<1,1>>，如果对其进行合并(combine)，会得到<“hello”,2>。
答案：√

14【判断题】
HDFS集群开始启动时，其处于安全模式，可以进行读操作，不能进行写操作。
答案：√

15【判断题】
HDFS是分布式文件系统，其命名空间包括块、目录和文件。
答案：√

16【判断题】
Map的主要工作是将多个任务的计算结果进行汇总。
答案：×

17【判断题】
在Hadoop中每个应用程序被表示成一个作业，每个作业又被分成多个任务，JobTracker的负责作业的分解、状态监控以及资源管理。
答案：√