1.1 Hadoop基础（☆☆）
1.1.1 下列哪项通常是集群的最主要瓶颈（C）
A.CPU
B.网络
C.磁盘 IO
D.内存
1.1.2 下列哪项可以作为集群的管理？（C）
C.ClouderaManager
D.Zookeeper
1.1.3 下列哪个是Hadoop运行的模式？（ABC）
A.单机版
B.伪分布式
C.完全分布式
1.1.4 列举几个hadoop生态圈的组件并做简要描述
1）Zookeeper:是一个开源的分布式应用程序协调服务,基于zookeeper可以实现同步服务，配置维护，命名服务。
2）Flume:一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统。
3）Hbase:是一个分布式的、面向列的开源数据库, 利用Hadoop HDFS作为其存储系统。
4）Hive:基于Hadoop的一个数据仓库工具，可以将结构化的数据档映射为一张数据库表，并提供简单的sql 查询功能，可以将sql语句转换为MapReduce任务进行运行。
5）Sqoop:将一个关系型数据库中的数据导进到Hadoop的 HDFS中，也可以将HDFS的数据导进到关系型数据库中。
1.1.5 解释“hadoop”和“hadoop 生态系统”两个概念。
Hadoop是指Hadoop框架本身；hadoop生态系统，不仅包含hadoop，还包括保证hadoop框架正常高效运行其他框架，比如zookeeper、Flume、Hbase、Hive、Sqoop等辅助框架。
1.1.6 简要描述如何安装配置apache的一个开源Hadoop，只描述即可，无需列出具体步骤，列出具体步骤更好。
1）使用root账户登录
2）修改IP
3）修改host主机名
4）配置SSH免密码登录
5）关闭防火墙
6）安装JDK
7）解压hadoop安装包
8）配置hadoop的核心文件hadoop-env.sh，core-site.xml, mapred-site.xml ， hdfs-site.xml
9）配置hadoop环境变量
10）格式化 hadoopnamenode-format
11）启动节点start-all.sh
1.1.7 Hadoop中需要哪些配置文件，其作用是什么？
1）core-site.xml：
(1)fs.defaultFS:hdfs://cluster1(域名)，这里的值指的是默认的HDFS路径 。
(2)hadoop.tmp.dir:/export/data/hadoop_tmp,这里的路径默认是NameNode、DataNode、secondaryNamenode等存放数据的公共目录。用户也可以自己单独指定这三类节点的目录。
(3)ha.zookeeper.quorum:hadoop101:2181,hadoop102:2181,hadoop103:2181,这里是ZooKeeper集群的地址和端口。注意，数量一定是奇数，且不少于三个节点 。
2）hadoop-env.sh: 只需设置jdk的安装路径，如：export JAVA_HOME=/usr/local/jdk。
3）hdfs-site.xml：
(1) dfs.replication:他决定着系统里面的文件块的数据备份个数，默认为3个。
(2) dfs.data.dir:datanode节点存储在文件系统的目录。
(3) dfs.name.dir:是namenode节点存储hadoop文件系统信息的本地系统路径 。
4）mapred-site.xml：
mapreduce.framework.name: yarn指定mr运行在yarn上。
1.1.8 请列出正常工作的Hadoop集群中Hadoop都分别需要启动哪些进程，它们的作用分别是什么?
1）NameNode它是hadoop中的主服务器，管理文件系统名称空间和对集群中存储的文件的访问，保存有metadate。
2）SecondaryNameNode它不是namenode的冗余守护进程，而是提供周期检查点和清理任务。帮助NN合并editslog，减少NN启动时间。
3）DataNode它负责管理连接到节点的存储（一个集群中可以有多个节点）。每个存储数据的节点运行一个datanode守护进程。
4）ResourceManager（JobTracker）JobTracker负责调度DataNode上的工作。每个DataNode有一个TaskTracker，它们执行实际工作。
5）NodeManager（TaskTracker）执行任务
6）DFSZKFailoverController高可用时它负责监控NN的状态，并及时的把状态信息写入ZK。它通过一个独立线0程周期性的调用NN上的一个特定接口来获取NN的健康状态。FC也有选择谁作为Active NN的权利，因为最多只有两个节点，目前选择策略还比较简单（先到先得，轮换）。
7）JournalNode 高可用情况下存放namenode的editlog文件.
1.1.9 简述Hadoop的几个默认端口及其含义
1）dfs.namenode.http-address:50070
2）SecondaryNameNode辅助名称节点端口号：50090
3）dfs.datanode.address:50010
4）fs.defaultFS:8020 或者9000
5）yarn.resourcemanager.webapp.address:8088
1.1.10 请列出正常工作的hadoop集群中hadoop都分别需要启动哪些进程，他们的作用分别是什么，尽可能写的全面些
1.1.11 列出几个配置文件优化hadoop，怎么做数据平衡？列出步骤
1.1.12 手绘Hadoop架构
1.1.13 是否看过Hadoop源码
Job提交源码
1.1.14 Hadoop中RecordReader的作用是什么？
自定义Inputformat和Outputformat
1.1.15 Hadoop中job和Tasks之间的区别是什么？
一个job包含多个tasks，分为map tasks 和reduce tasks
