本篇总结了最重要的大数据Hadoop面试问题以及具体问题的详细解答，无论是大数据行业的新手还是经验丰富的，都需要大数据基础知识。希望对于大数据的学习或者面试有所帮助。

在之前的文章中，我们总结了10个大数据面试入门级问题以及大数据面试中级问题，大家是否有收获呢？如果还没有看的小伙伴，可以直接复习

《50个大数据面试题第一篇：10个大数据面试入门级问题》

《50个大数据面试题第二篇：10个大数据面试中级问题》

开始学习吧！

依然是10个已经在大数据行业工作的老司机们面试时的问题及建议答案，话不多说，赶紧开始今天的学习。

Hadoop是最受欢迎的大数据框架之一，如果您正在进行Hadoop面试，请为Big Data Hadoop准备这些基本级别的面试问题。无论您是要参加Hadoop开发人员还是Hadoop Admin面试，这些问题都将对您有所帮助。

21. 解释Hadoop和RDBMS之间的区别。

Hadoop和RDBMS之间的区别如下 ：

22. Hadoop中常见的输入格式是什么？

以下是Hadoop中常见的输入格式 -

文本输入格式 - Hadoop中定义的默认输入格式是文本输入格式。

序列文件输入格式 -要读取序列中的文件，请使用序列文件输入格式。

键值输入格式 -用于纯文本文件（分成行的文件）的输入格式是键值输入格式。

23. 解释Hadoop的一些重要特性

Hadoop支持大数据的存储和处理。它是处理大数据挑战的最佳解决方案。Hadoop的一些重要功能是 -

开源 - Hadoop是一个开源框架，这意味着它是免费提供的。此外，允许用户根据他们的要求更改源代码。

分布式处理 - Hadoop支持数据的分布式处理，即更快的处理。Hadoop HDFS中的数据以分布式方式存储，MapReduce负责数据的并行处理。

容错力 - Hadoop具有高度容错能力。默认情况下，它为不同节点的每个块创建三个副本。这个数字可以根据要求改变。因此，如果一个节点发生故障，我们可以从另一个节点恢复数据。节点故障的检测和数据的恢复是自动完成的。

可靠性 - Hadoop以独立于计算机的可靠方式在群集上存储数据。因此，存储在Hadoop环境中的数据不受机器故障的影响。

可伸缩性 - Hadoop的另一个重要特性是可伸缩性。它与其他硬件兼容，我们可以轻松地将新硬件分配给节点。

高可用性 -即使在硬件故障后，也可以访问存储在Hadoop中的数据。如果硬件发生故障，可以从另一个路径访问数据。

24. 解释Hadoop运行的不同模式

 Apache Hadoop运行在以下三种模式 ：

独立（本地）模式 -默认情况下，Hadoop以本地模式运行，即在非分布式单节点上运行。此模式使用本地文件系统执行输入和输出操作。此模式不支持使用HDFS，因此用于调试。在此模式下，配置文件不需要自定义配置。

伪分布式模式 -在伪分布式模式下，Hadoop就像独立模式一样在单个节点上运行。在此模式下，每个守护程序都在单独的Java进程中运行。由于所有守护进程都在单个节点上运行，因此主节点和从节点都有相同的节点。

完全分布式模式 -在完全分布式模式下，所有守护进程都在不同的单个节点上运行，从而形成一个多节点集群。主节点和从节点有不同的节点。

25. 解释Hadoop的核心组件

Hadoop是一个开源框架，用于以分布式方式存储和处理大数据。Hadoop的核心组件是 -

HDFS（Hadoop分布式文件系统） - HDFS是Hadoop的基本存储系统。在商用硬件集群上运行的大型数据文件存储在HDFS中。即使硬件出现故障，它也能以可靠的方式存储数据。

Hadoop的核心组件

Hadoop MapReduce - MapReduce是负责数据处理的Hadoop层。它编写了一个应用程序来处理存储在HDFS中的非结构化和结构化数据。它负责通过将数据划分为独立任务来并行处理大量数据。处理分两个阶段完成Map和Reduce。Map是指定复杂逻辑代码的第一个处理阶段，Reduce是指定轻量级操作的第二阶段处理。

YARN - Hadoop中的处理框架是YARN。它用于资源管理并提供多种数据处理引擎，即数据科学，实时流和批处理。

26. “MapReduce”程序中的配置参数是什么？

“MapReduce”框架中的主要配置参数是：

在分布式文件系统中输入Jobs的位置

在分布式文件系统中输出Jobs的位置

数据的输入格式

数据的输出格式

包含map函数的类

包含reduce函数的类

包含mapper，reducer和驱动程序类的JAR文件

27. HDFS中的块是什么？它在Hadoop 1和Hadoop 2中的默认大小是多少？我们可以改变块大小吗？

块是硬盘中最小的连续数据存储。对于HDFS，块存储在Hadoop集群中。

Hadoop 1中的默认块大小为：64 MB

Hadoop 2中的默认块大小为：128 MB

是的，我们可以使用位于hdfs-site.xml文件中的参数--dfs.block.size 来更改块大小。

28. 什么是MapReduce框架中的分布式缓存

分布式缓存是Hadoop MapReduce框架的一项功能，用于缓存应用程序的文件。Hadoop框架使缓存文件可用于在数据节点上运行的每个map / reduce任务。因此，数据文件可以作为指定作业中的本地文件访问缓存文件。

29. Hadoop的三种运行模式是什么？

Hadoop的三种运行模式如下：

Ⅰ、独立或本地：这是默认模式，不需要任何配置。在此模式下，Hadoop的以下所有组件都使用本地文件系统并在单个JVM上运行 -

NameNode

数据管理部

ResourceManager

节点管理器

II、伪分布式：在此模式下，所有主从Hadoop服务都在单个节点上部署和执行。

III、完全分布式：在此模式下，Hadoop主服务器和从服务器在不同的节点上部署和执行。

30. 在Hadoop中解释JobTracker

JobTracker是Hadoop中的JVM进程，用于提交和跟踪MapReduce作业。

JobTracker按顺序在Hadoop中执行以下活动 ：

JobTracker接收客户端应用程序提交给作业跟踪器的作业；

JobTracker通知NameNode确定数据节点；

JobTracker根据可用的插槽分配TaskTracker节点；

它提交了已分配的TaskTracker节点的工作；

JobTracker监视TaskTracker节点；

当任务失败时，会通知JobTracker并决定如何重新分配任务。

关注“职坐标在线”（Zhizuobiao_Online）公众号，免费获取学习视频资料、技术就业咨询。