Hadoop常見(jiàn)的45個(gè)問(wèn)題解答

時(shí)至今日，Hadoop已成為最流行的離線數(shù)據(jù)處理平臺(tái)，然而它的集群配置起來(lái)并不簡(jiǎn)單。如果你學(xué)習(xí)Hadoop不久，相信下面這45個(gè)問(wèn)題會(huì)對(duì)你有所幫助。

在工作生活中，有些問(wèn)題非常簡(jiǎn)單，但往往搜索半天也找不到所需的答案，在Hadoop的學(xué)習(xí)與使用過(guò)程中同樣如此。這里為大家分享Hadoop集群設(shè)置中經(jīng)常出現(xiàn)的一些問(wèn)題，以下為譯文：

1.Hadoop集群可以運(yùn)行的3個(gè)模式？

單機(jī)（本地）模式

偽分布式模式

全分布式模式

2.單機(jī)（本地）模式中的注意點(diǎn)？

在單機(jī)模式（standalone）中不會(huì)存在守護(hù)進(jìn)程，所有東西都運(yùn)行在一個(gè)JVM上。這里同樣沒(méi)有DFS，使用的是本地文件系統(tǒng)。單機(jī)模式適用于開(kāi)發(fā)過(guò)程中運(yùn)行MapReduce程序，這也是最少使用的一個(gè)模式。

3.偽分布模式中的注意點(diǎn)？

偽分布式（Pseudo）適用于開(kāi)發(fā)和測(cè)試環(huán)境，在這個(gè)模式中，所有守護(hù)進(jìn)程都在同一臺(tái)機(jī)器上運(yùn)行。

4.VM是否可以稱(chēng)為Pseudo？

不是，兩個(gè)事物，同時(shí)Pseudo只針對(duì)Hadoop。

5.全分布模式又有什么注意點(diǎn)？

全分布模式通常被用于生產(chǎn)環(huán)境，這里我們使用N臺(tái)主機(jī)組成一個(gè)Hadoop集群，Hadoop守護(hù)進(jìn)程運(yùn)行在每臺(tái)主機(jī)之上。這里會(huì)存在Namenode運(yùn)行的主機(jī)，Datanode運(yùn)行的主機(jī)，以及task tracker運(yùn)行的主機(jī)。在分布式環(huán)境下，主節(jié)點(diǎn)和從節(jié)點(diǎn)會(huì)分開(kāi)。

6.Hadoop是否遵循UNIX模式？

是的，在UNIX用例下，Hadoop還擁有“conf”目錄。

7.Hadoop安裝在什么目錄下？

Cloudera和Apache使用相同的目錄結(jié)構(gòu)，Hadoop被安裝在cd/usr/lib/hadoop-0.20/。

8.Namenode、Job tracker和task tracker的端口號(hào)是？

Namenode，70；Job tracker，30；Task tracker，60。

9.Hadoop的核心配置是什么？

Hadoop的核心配置通過(guò)兩個(gè)xml文件來(lái)完成：1，hadoop-default.xml；2，hadoop-site.xml。這些文件都使用xml格式，因此每個(gè)xml中都有一些屬性，包括名稱(chēng)和值，但是當(dāng)下這些文件都已不復(fù)存在。

10.那當(dāng)下又該如何配置？

Hadoop現(xiàn)在擁有3個(gè)配置文件：1，core-site.xml；2，hdfs-site.xml；3，mapred-site.xml。這些文件都保存在conf/子目錄下。

11.RAM的溢出因子是？

溢出因子（Spill factor）是臨時(shí)文件中儲(chǔ)存文件的大小，也就是Hadoop-temp目錄。

12.fs.mapr.working.dir只是單一的目錄？

fs.mapr.working.dir只是一個(gè)目錄。

13.hdfs-site.xml的3個(gè)主要屬性？

dfs.name.dir決定的是元數(shù)據(jù)存儲(chǔ)的路徑以及DFS的存儲(chǔ)方式（磁盤(pán)或是遠(yuǎn)端）

dfs.data.dir決定的是數(shù)據(jù)存儲(chǔ)的路徑

fs.checkpoint.dir用于第二Namenode

14.如何退出輸入模式？

退出輸入的方式有：1，按ESC；2，鍵入:q（如果你沒(méi)有輸入任何當(dāng)下）或者鍵入:wq（如果你已經(jīng)輸入當(dāng)下），并且按下Enter。

15.當(dāng)你輸入hadoopfsck /造成“connection refused java exception’”時(shí)，系統(tǒng)究竟發(fā)生了什么？

這意味著Namenode沒(méi)有運(yùn)行在你的VM之上。

16.我們使用Ubuntu及Cloudera，那么我們?cè)撊ツ睦锵螺dHadoop，或者是默認(rèn)就與Ubuntu一起安裝？

這個(gè)屬于Hadoop的默認(rèn)配置，你必須從Cloudera或者Edureka的dropbox下載，然后在你的系統(tǒng)上運(yùn)行。當(dāng)然，你也可以自己配置，但是你需要一個(gè)Linux box，Ubuntu或者是Red Hat。在Cloudera網(wǎng)站或者是Edureka的Dropbox中有安裝步驟。

17.“jps”命令的用處？

這個(gè)命令可以檢查Namenode、Datanode、Task Tracker、 Job Tracker是否正常工作。

18.如何重啟Namenode？

點(diǎn)擊stop-all.sh，再點(diǎn)擊start-all.sh。

鍵入sudo hdfs（Enter），su-hdfs （Enter），/etc/init.d/ha（Enter），及/etc/init.d/hadoop-0.20-namenode start（Enter）。

19.Fsck的全名？

全名是：File System Check。

20.如何檢查Namenode是否正常運(yùn)行？

如果要檢查Namenode是否正常工作，使用命令/etc/init.d/hadoop-0.20-namenode status或者就是簡(jiǎn)單的jps。

21.mapred.job.tracker命令的作用？

可以讓你知道哪個(gè)節(jié)點(diǎn)是Job Tracker。

22./etc /init.d命令的作用是？

/etc /init.d說(shuō)明了守護(hù)進(jìn)程（服務(wù)）的位置或狀態(tài)，其實(shí)是LINUX特性，和Hadoop關(guān)系不大。

23.如何在瀏覽器中查找Namenode？

如果你確實(shí)需要在瀏覽器中查找Namenode，你不再需要localhost:8021，Namenode的端口號(hào)是50070。

24.如何從SU轉(zhuǎn)到Cloudera？

從SU轉(zhuǎn)到Cloudera只需要鍵入exit。

25.啟動(dòng)和關(guān)閉命令會(huì)用到哪些文件？

Slaves及Masters。

26.Slaves由什么組成？

Slaves由主機(jī)的列表組成，每臺(tái)1行，用于說(shuō)明數(shù)據(jù)節(jié)點(diǎn)。

27.Masters由什么組成？

Masters同樣是主機(jī)的列表組成，每臺(tái)一行，用于說(shuō)明第二Namenode服務(wù)器。

28.hadoop-env.sh是用于做什么的？

hadoop-env.sh提供了Hadoop中. JAVA_HOME的運(yùn)行環(huán)境。

29.Master文件是否提供了多個(gè)入口？

是的你可以擁有多個(gè)Master文件接口。

30.hadoop-env.sh文件當(dāng)下的位置？

hadoop-env.sh現(xiàn)在位于conf。

31.在Hadoop_PID_DIR中，PID代表了什么？

PID代表了“Process ID”。

32./var/hadoop/pids用于做什么？

/var/hadoop/pids用來(lái)存儲(chǔ)PID。

33.hadoop-metrics.properties文件的作用是？

hadoop-metrics.properties被用做“Reporting”，控制Hadoop報(bào)告，初始狀態(tài)是“not to report”。

34.Hadoop需求什么樣的網(wǎng)絡(luò)？

Hadoop核心使用Shell（SSH）來(lái)驅(qū)動(dòng)從節(jié)點(diǎn)上的服務(wù)器進(jìn)程，并在主節(jié)點(diǎn)和從節(jié)點(diǎn)之間使用password-less SSH連接。

35.全分布式環(huán)境下為什么需求password-less SSH？

這主要因?yàn)?a href='/map/jiqun/' style='color:#000;font-size:inherit;'>集群中通信過(guò)于頻繁，Job Tracker需要盡可能快的給Task Tracker發(fā)布任務(wù)。

36.這會(huì)導(dǎo)致安全問(wèn)題嗎？

完全不用擔(dān)心。Hadoop集群是完全隔離的，通常情況下無(wú)法從互聯(lián)網(wǎng)進(jìn)行操作。與眾不同的配置，因此我們完全不需要在意這種級(jí)別的安全漏洞，比如說(shuō)通過(guò)互聯(lián)網(wǎng)侵入等等。Hadoop為機(jī)器之間的連接提供了一個(gè)相對(duì)安全的方式。

37.SSH工作的端口號(hào)是？

SSH工作的端口號(hào)是NO.22，當(dāng)然可以通過(guò)它來(lái)配置，22是默認(rèn)的端口號(hào)。

38.SSH中的注意點(diǎn)還包括？

SSH只是個(gè)安全的shell通信，可以把它當(dāng)做NO.22上的一種協(xié)議，只需要配置一個(gè)密碼就可以安全的訪問(wèn)。

39.為什么SSH本地主機(jī)需要密碼？

在SSH中使用密碼主要是增加安全性，在某些情況下也根本不會(huì)設(shè)置密碼通信。

40.如果在SSH中添加key，是否還需要設(shè)置密碼？

是的，即使在SSH中添加了key，還是需要設(shè)置密碼。

41.假如Namenode中沒(méi)有數(shù)據(jù)會(huì)怎么樣？

沒(méi)有數(shù)據(jù)的Namenode就不能稱(chēng)之為Namenode，通常情況下，Namenode肯定會(huì)有數(shù)據(jù)。

42.當(dāng)Job Tracker宕掉時(shí)，Namenode會(huì)發(fā)生什么？

當(dāng)Job Tracker失敗時(shí)，集群仍然可以正常工作，只要Namenode沒(méi)問(wèn)題。

43.是客戶端還是Namenode決定輸入的分片？

這并不是客戶端決定的，在配置文件中以及決定分片細(xì)則。

44.是否可以自行搭建Hadoop集群？

是的，只要對(duì)Hadoop環(huán)境足夠熟悉，你完全可以這么做。

45.是否可以在Windows上運(yùn)行Hadoop？

你最好不要這么做，Red Hat Linux或者是Ubuntu才是Hadoop的最佳操作系統(tǒng)。在Hadoop安裝中，Windows通常不會(huì)被使用，因?yàn)闀?huì)出現(xiàn)各種各樣的問(wèn)題。因此，Windows絕對(duì)不是Hadoop的推薦系統(tǒng)。