1. 首页
  2. 作品
  3. 大数据面试题
  4. Hadoop面试题（二）
大数据 Hadoop HDFS

Hadoop面试题（二）

1、 HDFS 中的 block 默认保存几份？

  默认保存3份

2、HDFS 默认 BlockSize 是多大？

  默认64MB

3、负责HDFS数据存储的是哪一部分？

  DataNode负责数据存储

4、SecondaryNameNode的目的是什么？

  他的目的使帮助NameNode合并编辑日志，减少NameNode 启动时间

5、文件大小设置，增大有什么影响？

HDFS中的文件在物理上是分块存储（block），块的大小可以通过配置参数( dfs.blocksize)来规定，默认大小在hadoop2.x版本中是128M，老版本中是64M。

思考：为什么块的大小不能设置的太小，也不能设置的太大？

HDFS的块比磁盘的块大，其目的是为了最小化寻址开销。如果块设置得足够大，从磁盘传输数据的时间会明显大于定位这个块开始位置所需的时间。 因而，传输一个由多个块组成的文件的时间取决于磁盘传输速率 。

如果寻址时间约为10ms，而传输速率为100MB/s，为了使寻址时间仅占传输时间的1%，我们要将块大小设置约为100MB。默认的块大小128MB。

块的大小：10ms×100×100M/s = 100M，如图

增加文件块大小，需要增加磁盘的传输速率。

6、hadoop的块大小，从哪个版本开始是128M

Hadoop1.x都是64M，hadoop2.x开始都是128M。

7、HDFS的存储机制（☆☆☆☆☆）

HDFS存储机制，包括HDFS的写入数据过程 和读取数据过程 两部分

7.1. HDFS写数据过程

  1. 客户端通过Distributed FileSystem模块向NameNode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。
  2. NameNode返回是否可以上传。
  3. 客户端请求第一个 block上传到哪几个datanode服务器上。
  4. NameNode返回3个datanode节点，分别为dn1、dn2、dn3。
  5. 客户端通过FSDataOutputStream模块请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成。
  6. dn1、dn2、dn3逐级应答客户端。
  7. 客户端开始往dn1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，dn1收到一个packet就会传给dn2，dn2传给dn3； dn1每传一个packet会放入一个应答队列等待应答。
  8. 当一个block传输完成之后，客户端再次请求NameNode上传第二个block的服务器。（重复执行3-7步）。

7.2. HDFS读数据过程

  1. 客户端通过Distributed FileSystem向NameNode请求下载文件，NameNode通过查询元数据，找到文件块所在的DataNode地址。
  2. 挑选一台DataNode（就近原则，然后随机）服务器，请求读取数据。
  3. DataNode开始传输数据给客户端（从磁盘里面读取数据输入流，以packet为单位来做校验）。
  4. 客户端以packet为单位接收，先在本地缓存，然后写入目标文件。

8、secondary namenode工作机制（☆☆☆☆☆）

第一阶段：NameNode启动

  1. 第一次启动NameNode格式化后，创建fsimage和edits文件。如果不是第一次启动，直接加载编辑日志和镜像文件到内存。
  2. 客户端对元数据进行增删改的请求。
  3. NameNode记录操作日志，更新滚动日志。
  4. NameNode在内存中对数据进行增删改查。

第二阶段：Secondary NameNode工作

  1. Secondary NameNode询问NameNode是否需要checkpoint。直接带回NameNode是否检查结果。
  2. Secondary NameNode请求执行checkpoint。
  3. NameNode滚动正在写的edits日志。
  4. 将滚动前的编辑日志和镜像文件拷贝到Secondary NameNode。
  5. Secondary NameNode加载编辑日志和镜像文件到内存，并合并。
  6. 生成新的镜像文件fsimage.chkpoint。
  7. 拷贝fsimage.chkpoint到NameNode。
  8. NameNode将fsimage.chkpoint重新命名成fsimage。

9、NameNode与SecondaryNameNode 的区别与联系？（☆☆☆☆☆）

机制流程看第7题

  1. 区别
    1. NameNode负责管理整个文件系统的元数据，以及每一个路径（文件）所对应的数据块信息。
    2. SecondaryNameNode主要用于定期合并命名空间镜像和命名空间镜像的编辑日志。
  2. 联系：
    1. SecondaryNameNode中保存了一份和namenode一致的镜像文件（fsimage）和编辑日志（edits）。
    2. 在主namenode发生故障时（假设没有及时备份数据），可以从SecondaryNameNode恢复数据。

10、HDFS组成架构（☆☆☆☆☆）

架构主要由四个部分组成，分别为**HDFS Client、NameNode、DataNode和Secondary NameNode** 。下面我们分别介绍这四个组成部分。

  1. Client：就是客户端。
    1. 文件切分。文件上传HDFS的时候，Client将文件切分成一个一个的Block，然后进行存储；
    2. 与NameNode交互，获取文件的位置信息；
    3. 与DataNode交互，读取或者写入数据；
    4. Client提供一些命令来管理HDFS，比如启动或者关闭HDFS；
    5. Client可以通过一些命令来访问HDFS；
  2. NameNode：就是Master，它是一个主管、管理者。
    1. 管理HDFS的名称空间；
    2. 管理数据块（Block）映射信息；
    3. 配置副本策略；
    4. 处理客户端读写请求。
  3. DataNode：就是Slave。NameNode下达命令，DataNode执行实际的操作。
    1. 存储实际的数据块；
    2. 执行数据块的读/写操作。
  4. Secondary NameNode：并非NameNode的热备。当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。
    1. 辅助NameNode，分担其工作量；
    2. 定期合并Fsimage和Edits，并推送给NameNode；
    3. 在紧急情况下，可辅助恢复NameNode。

11、HAnamenode 是如何工作的? （☆☆☆☆☆）

ZKFailoverController主要职责

  1. 健康监测：周期性的向它监控的NN发送健康探测命令，从而来确定某个NameNode是否处于健康状态，如果机器宕机，心跳失败，那么zkfc就会标记它处于一个不健康的状态。
  2. 会话管理：如果NN是健康的，zkfc就会在zookeeper中保持一个打开的会话，如果NameNode同时还是Active状态的，那么zkfc还会在Zookeeper中占有一个类型为短暂类型的znode，当这个NN挂掉时，这个znode将会被删除，然后备用的NN，将会得到这把锁，升级为主NN，同时标记状态为Active。
  3. 当宕机的NN新启动时，它会再次注册zookeper，发现已经有znode锁了，便会自动变为Standby状态，如此往复循环，保证高可靠，需要注意，目前仅仅支持最多配置2个NN。
  4. master选举：如上所述，通过在zookeeper中维持一个短暂类型的znode，来实现抢占式的锁机制，从而判断那个NameNode为Active状态
作品《大数据面试题 - Hadoop面试题（二）》由 AK47 发布于 匠果，转载请注明出处及链接地址： http://www.jiangguo.net/c/7m5/8l5.html