Hadoop最全面试题整理(附目录)
hadoop面试题总结
hadoop⾯试题总结1、hadoop常⽤端⼝号hadoop2.x Hadoop3.x访问HDFS端⼝50070 9870访问MR执⾏情况端⼝8088 8088历史服务器19888 19888客户端访问集群端⼝9000 80202、hadoop集群搭建hadoop搭建流程概述：（1）准备三个客户端，master，node1，node2（2）安装jdk 配置免密 ssh-keygen -t rsa 分发秘钥 ssh-copy-id master ssh-copy-id node1 ssh-copy-id node2（3）配置环境变量 source ⼀下（4）主要有 hadoop环境配置⽂件：hadoop-env.sh hadoop核⼼配置⽂件 core-site.xml yarn配置⽂件 yarn-site.xml mapreduce核⼼配置⽂件 mapred-site.xml hdfs配置⽂件 hdfs-site.xml（5）分发集群⽂件 scp -r /usr/local....... 格式化 hdfs namenode-format 启动集群 start-all.sh 访问hdfs页⾯查看是否搭建成功3、环境配置⽂件主要内容（1）hadoop-env.sh ： Hadoop 环境配置⽂件vim hadoop-env.sh修改JAVA_HOMEexport JAVA_HOME=/usr/local/soft/jdk1.8.0_171（2）core-site.xml ： hadoop核⼼配置⽂件vim core-site.xml在configuration中间增加以下内容<property><name>fs.defaultFS</name><value>hdfs://master:9000</value></property><property><name>hadoop.tmp.dir</name><value>/usr/local/soft/hadoop-2.7.6/tmp</value></property><property><name>fs.trash.interval</name><value>1440</value></property>（3）hdfs-site.xml ： hdfs配置⽂件vim hdfs-site.xml在configuration中间增加以下内容<property><name>dfs.replication</name><value>1</value></property><property><name>dfs.permissions</name><value>false</value></property>（4）yarn-site.xml： yarn配置⽂件vim yarn-site.xml在configuration中间增加以下内容<property><name>yarn.resourcemanager.hostname</name><value>master</value></property><property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value></property><property><name>yarn.log-aggregation-enable</name><value>true</value></property><property><name>yarn.log-aggregation.retain-seconds</name><value>604800</value></property><property><name>yarn.nodemanager.resource.memory-mb</name><value>20480</value></property><property><name>yarn.scheduler.minimum-allocation-mb</name><value>2048</value></property><property><name>yarn.nodemanager.vmem-pmem-ratio</name><value>2.1</value></property>（5）mapred-site.xml： mapreduce配置⽂件重命名mv mapred-site.xml.template mapred-site.xmlvim mapred-site.xml在configuration中间增加以下内容<property><name></name><value>yarn</value></property><property><name>mapreduce.jobhistory.address</name><value>master:10020</value></property><property><name>mapreduce.jobhistory.webapp.address</name><value>master:19888</value></property>3、hdfs读写流程写流程：1）客户端向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。
hadoop常见面试问题
hadoop常见面试问题
以下是一些Hadoop常见的面试问题：
1. Hadoop是什么？它在大数据领域中的作用是什么？
2. Hadoop的核心组件有哪些？它们各自的作用是什么？
3. HDFS是什么？它有哪些特点和优势？
4. MapReduce是什么？它是如何工作的？
5. YARN是什么？它在Hadoop中的作用是什么？
6. 在Hadoop中如何处理数据倾斜？有哪些常见的数据倾斜问题需要避免？
7. Hadoop集群的部署和配置需要注意哪些问题？
8. 如何优化Hadoop集群的性能？有哪些常见的性能调优方法？
9. 在Hadoop中如何进行数据迁移？有哪些常见的迁移策略？
10. 如何进行Hadoop的安全性配置和管理？有哪些常见的安全措施需要采取？
11. Hadoop和Spark的区别和联系是什么？在什么情况下应该选择Hadoop或Spark？
12. 在Hadoop中如何进行数据清洗和预处理？有哪些常用的工具和库可以使用？
13. 如何使用Hadoop进行机器学习和数据挖掘？有哪些常见的算法和应用场景？
14. Hadoop的版本演进和兼容性问题需要注意哪些方面？
15. 你如何在Hadoop上进行大数据实时流处理？有哪些常用的流处理框架可以选择和使用？。
Hadoop面试题目及答案
Hadoop面试题目及答案Hadoop 面试45个题目及答案1. Hadoop 集群能够运行的3个模式？单机（本地）模式伪分布式模式全分布式模式2. 单机（本地）模式中的注意点？在单机模式（standalone ）中不会存在守护进程，所有东西都运行在一个JVM上。
这里同样没有DFS，使用的是本地文件系统。
单机模式适用于开发过程中运行MapReduce 程序，这也是最少使用的一个模式。
3. 伪分布模式中的注意点？伪分布式（Pseudo ）适用于开发和测试环境，在这个模式中，所有守护进程都在同一台机器上运行。
4. VM是否能够称为Pseudo ?不是，两个事物，同时Pseudo只针对Hadoop。
5. 全分布模式又有什么注意点？全分布模式一般被用于生产环境，这里我们使用N台主机组成一个Hadoop 集群，Hadoop 守护进程运行在每台主机之上。
这里会存在Name node 运行的主机，Data node 运行的主机，以及task tracker运行的主机。
在分布式环境下，主节点和从节点会分开。
6. Hadoop 是否遵循UNIX 模式？是的，在UNIX用例下，Hadoop 还拥有“conf ” 目录。
7. Hadoop 安装在什么目录下？Cloudera 和Apache 使用相同的目录结构，Hadoop 被安装在cd/usr/lib/hadoop-0.20/8. Name node 、Job tracker 和task tracker的端口号是？Name node , 70 ; Job tracker , 30 ; Task tracker , 60。
9. Hadoop 的核心配置是什么？Hadoop 的核心配置经过两个xml文件来完成:1 ，hadoop-default.xml ；2 ，hadoop- site.xml。
这些文件都使用xml格式，因此每个xml 中都有一些属性，包括名称和值，可是当下这些文件都已不复存在。
Hadoop 100道面试题及答案解析
3.6误）3.7Hadoop支持数据的随机读写。
（错） (8)NameNode负责管理metadata，client端每次读写请求，它都会从磁盘中3.8读取或则会写入metadata信息并反馈client端。
（错误） (8)NameNode本地磁盘保存了Block的位置信息。
（个人认为正确，欢迎提出其它意见） (9)3.93.10 3.11DataNode通过长连接与NameNode保持通信。
（有分歧） (9)Hadoop自身具有严格的权限管理和安全措施保障集群正常运行。
（错误）93.12 3.13 3.14Slave节点要存储数据，所以它的磁盘越大越好。
（错误） (9)hadoop dfsadmin–report命令用于检测HDFS损坏块。
（错误） (9)Hadoop默认调度器策略为FIFO（正确） (9)100道常见Hadoop面试题及答案解析目录1单选题 (5)1.1 1.2 1.3 1.4 1.5 1.6 1.7下面哪个程序负责HDFS数据存储。
(5)HDfS中的block默认保存几份？ (5)下列哪个程序通常与NameNode在一个节点启动？ (5)Hadoop作者 (6)HDFS默认Block Size (6)下列哪项通常是集群的最主要瓶颈： (6)关于SecondaryNameNode哪项是正确的？ (6)2 3多选题 (7)2.12.22.32.42.5下列哪项可以作为集群的管理？ (7)配置机架感知的下面哪项正确： (7)Client端上传文件的时候下列哪项正确？ (7)下列哪个是Hadoop运行的模式： (7)Cloudera提供哪几种安装CDH的方法？ (7)判断题 (8)3.13.23.3Ganglia不仅可以进行监控，也可以进行告警。
（正确） (8)Block Size是不可以修改的。
（错误） (8)Nagios不可以监控Hadoop集群，因为它不提供Hadoop支持。
Hadoop常见面试笔试题目与参考答案小结
Hadoop常见⾯试笔试题⽬与参考答案⼩结1. namenode的重要性是什么?namenode的作⽤在Hadoop中⾮常重要。
它是Hadoop的⼤脑，主要负责管理系统上的分配块，还为客户提出请求时的数据提供特定地址2. 当NameNode关闭时会发⽣什么?如果NameNode关闭，⽂件系统将脱机。
3. 是否可以在不同集群之间复制⽂件?如果是的话，怎么能做到这⼀点?是的，可以在多个Hadoop集群之间复制⽂件，这可以使⽤分布式复制来完成。
Distcp是⼀个Hadoop复制⼯具，主要⽤于执⾏MapReduce作业来复制数据。
Hadoop环境中的主要挑战是在各集群之间复制数据，distcp也将提供多个datanode来并⾏复制数据。
4. 什么是检查点?对⽂件数据的修改不是直接写回到磁盘的，很多操作是先缓存到内存的Buffer中，当遇到⼀个检查点Checkpoint时，系统会强制将内存中的数据写回磁盘，当然此时才会记录⽇志，从⽽产⽣持久的修改状态。
因此，不⽤重放⼀个编辑⽇志，NameNode可以直接从FsImage加载到最终的内存状态，这肯定会降低NameNode启动时间5. 什么是机架感知?这是⼀种决定如何根据机架定义放置块的⽅法。
Hadoop将尝试限制存在于同⼀机架中的datanode之间的⽹络流量。
为了提⾼容错能⼒，名称节点会尽可能把数据块的副本放到多个机架上。
综合考虑这两点的基础上Hadoop设计了机架感知功能。
6. 投机性执⾏如果⼀个节点正在执⾏⽐主节点慢的任务。
那么就需要在另⼀个节点上冗余地执⾏同⼀个任务的⼀个实例。
所以⾸先完成的任务会被接受，另⼀个可能会被杀死。
这个过程被称为“投机执⾏”。
7. 是否可以在Windows上运⾏Hadoop?可以，但是最好不要这么做，Red Hat Linux或者是Ubuntu才是Hadoop的最佳操作系统。
在Hadoop安装中，Windows通常不会被使⽤，因为会出现各种各样的问题。
大数据面试题试卷
⼤数据⾯试题试卷⼤数据⾯试题及答案汇总版第1部分选择题1.1 Hadoop选择题1.1.1 HDFS1．下⾯哪个程序负责 HDFS 数据存储？A．NameNodeB．JobtrackerC．DatanodeD．secondaryNameNodeE．tasktracker2. HDFS 中的 block 默认保存⼏份？A．3份B．2份C．1份D．4份3. 下列哪个程序通常与NameNode 在⼀个节点启动？A. SecondaryNameNodeB．DataNodeC．TaskTrackerD. Jobtracker4. HDFS 默认 Block Size（新版本）A. 32MBB．64MBC．128MBD．256MB5. Client 端上传⽂件的时候下列哪项正确A. 数据经过 NameNode 传递给 DataNodeB．Client 端将⽂件切分为Block，依次上传C．Client 只上传数据到⼀台 DataNode，然后由 NameNode 负责 Block 复制⼯作6. 下⾯与 HDFS 类似的框架是？A．NTFSB．FAT32C．GFSD．EXT37. 的8. 的1.1.2 集群管理1. 下列哪项通常是集群的最主要瓶颈A. CPUB．⽹络C．磁盘IOD．存2. 关于SecondaryNameNode 哪项是正确的？A．它是 NameNode 的热备B．它对存没有要求C．它的⽬的是帮助NameNode 合并编辑⽇志，减少NameNode 启动时间D．SecondaryNameNode 应与 NameNode 部署到⼀个节点3. 下列哪项不可以作为集群的管理？A. Puppet B．Pdsh C．ClouderaManager D．Zookeeper4. 配置机架感知的下⾯哪项正确A. 如果⼀个机架出问题，不会影响数据读写B．写⼊数据的时候会写到不同机架的 DataNode 中C．MapReduce 会根据机架获取离⾃⼰⽐较近的⽹络数据5. 下列哪个是 Hadoop 运⾏的模式A. 单机版B．伪分布式C．分布式6. Cloudera 提供哪⼏种安装 CDH 的⽅法A. Cloudera manager B．Tarball C．Yum D．Rpm7.1.2 Hbase选择题1.2.1 Hbase基础1. HBase 来源于哪篇博⽂？ CA TheGoogle File SystemBMapReduceCBigTableD Chubby2. 下⾯对 HBase 的描述是错误的？ AA 不是开源的B 是⾯向列的C 是分布式的D 是⼀种 NoSQL 数据库3. HBase 依靠（）存储底层数据 AC MemoryDMapReduce4. HBase 依赖（）提供消息通信机制 A AZookeeperB ChubbyC RPCD Socket5. HBase 依赖（）提供强⼤的计算能⼒ DAZookeeperB ChubbyC RPCDMapReduce6. MapReduce 与 HBase 的关系，哪些描述是正确的？ B、CA 两者不可或缺，MapReduce 是 HBase 可以正常运⾏的保证B 两者不是强关联关系，没有 MapReduce，HBase 可以正常运⾏CMapReduce 可以直接访问 HBaseD 它们之间没有任何关系7. 下⾯哪些选项正确描述了HBase 的特性？ A、B、C、DA ⾼可靠性B ⾼性能C ⾯向列D 可伸缩8. 下⾯哪些概念是 HBase 框架中使⽤的？A、CA HDFSB GridFSCZookeeperD EXT39. D1.2.2 Hbase核⼼1. LSM 含义是？AA ⽇志结构合并树B ⼆叉树C 平衡⼆叉树D 长平衡⼆叉树2. 下⾯对 LSM 结构描述正确的是？ A、CC 需要将数据 Flush 到磁盘D 是⼀种搜索平衡树3. LSM 更能保证哪种操作的性能？BA 读B 写C 随机读D 合并4. LSM 的读操作和写操作是独⽴的？AA 是。
大数据专员面试题目(3篇)
第1篇一、基础知识与概念理解1. 题目：请简述大数据的基本概念及其与普通数据的主要区别。
解析：考察应聘者对大数据基本概念的理解。
应聘者应能够解释大数据的规模（大量、多样、快速）、价值密度低、处理和分析的技术和方法等特点，并说明大数据与普通数据在数据量、处理方式、分析目标等方面的区别。
2. 题目：大数据的五个V指的是什么？解析：考察应聘者对大数据特征的理解。
大数据的五个V分别是Volume（数据量）、Velocity（数据速度）、Variety（数据多样性）、Veracity（数据真实性）和Value（数据价值）。
应聘者应能够解释每个V的具体含义。
3. 题目：请简述Hadoop生态系统中的主要组件及其功能。
解析：考察应聘者对Hadoop生态系统的了解。
应聘者应能够列举Hadoop生态系统中的主要组件，如Hadoop分布式文件系统（HDFS）、Hadoop YARN、Hadoop MapReduce、Hive、Pig、HBase等，并解释每个组件的基本功能和作用。
4. 题目：请简述数据仓库和数据湖的区别。
解析：考察应聘者对数据仓库和数据湖的理解。
应聘者应能够解释数据仓库和数据湖在数据存储、处理、查询等方面的差异，以及它们在数据分析中的应用场景。
二、数据处理与分析5. 题目：请简述ETL（提取、转换、加载）过程在数据处理中的作用。
解析：考察应聘者对ETL过程的了解。
应聘者应能够解释ETL在数据预处理、数据清洗、数据转换等方面的作用，以及ETL工具在数据处理中的应用。
6. 题目：请描述数据切分、增量同步和全量同步的方法。
解析：考察应聘者对数据同步的理解。
应聘者应能够解释数据切分、增量同步和全量同步的概念，并举例说明在实际应用中的具体操作方法。
7. 题目：请简述数据挖掘中的分类、聚类和预测方法。
解析：考察应聘者对数据挖掘方法的了解。
应聘者应能够列举数据挖掘中的分类、聚类和预测方法，如决策树、K-means、支持向量机、神经网络等，并解释每种方法的基本原理和应用场景。
大数据工程师面试题及答案
大数据工程师面试题及答案在大数据领域，对工程师的要求越来越高。
以下是一些常见的大数据工程师面试题及答案，希望能为您的面试准备提供一些帮助。
一、基础知识1、请简要介绍一下 Hadoop 生态系统中的主要组件。
答案：Hadoop 生态系统主要包括 HDFS（分布式文件系统）用于存储大规模数据；YARN（资源管理框架）负责资源的分配和调度；MapReduce（分布式计算框架）用于处理大规模数据的计算任务。
此外，还有 Hive（数据仓库工具）、HBase（分布式数据库）、Sqoop（数据导入导出工具）等组件。
2、什么是数据仓库？与数据库有什么区别？答案：数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。
数据库主要用于事务处理，强调实时性和一致性；而数据仓库侧重于数据分析和决策支持，数据量大、结构复杂，存储历史数据。
二、数据处理和分析1、如何处理数据倾斜问题？答案：数据倾斜通常是指某些键值的分布不均匀，导致某些任务处理的数据量远大于其他任务。
可以通过对倾斜的键进行加盐处理，或者使用 Combiner 函数在 Map 端进行局部聚合来缓解。
还可以对数据进行重新分区，或者调整并行度等方式来解决。
2、请介绍一下 Spark 的核心概念，如 RDD、DataFrame 和 Dataset。
答案：RDD（弹性分布式数据集）是 Spark 的基础数据结构，具有不可变、可分区、可并行操作等特点。
DataFrame 类似于关系型数据库中的表，具有列名和数据类型。
Dataset 是 DataFrame 的扩展，提供了类型安全和面向对象的编程接口。
三、数据存储1、介绍一下 HBase 的架构和工作原理。
答案：HBase 基于 Hadoop 的 HDFS 存储数据，采用主从架构。
HMaster 负责管理表的元数据，HRegionServer 负责存储和管理实际的数据。
数据按照行键进行排序和存储，通过 Region 进行划分和管理。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Hadoop面试题目及答案(附目录)选择题1.下面哪个程序负责HDFS 数据存储。
a)NameNode b)Jobtracker c)Datanode d)secondaryNameNode e)tasktracker答案C datanode2. HDfS 中的block 默认保存几份？a)3 份b)2 份c)1 份d)不确定答案A 默认3 份3.下列哪个程序通常与NameNode 在一个节点启动？a)SecondaryNameNode b)DataNode c)TaskTracker d)Jobtracker答案D分析：hadoop 的集群是基于master/slave 模式，namenode 和jobtracker 属于master，datanode 和tasktracker 属于slave，master 只有一个，而slave 有多个SecondaryNameNode 内存需求和NameNode 在一个数量级上，所以通常secondaryNameNode（运行在单独的物理机器上）和NameNode 运行在不同的机器上。
JobTracker 和TaskTrackerJobTracker 对应于NameNode，TaskTracker 对应于DataNode，DataNode 和NameNode 是针对数据存放来而言的，JobTracker 和TaskTracker 是对于MapReduce 执行而言的。
mapreduce 中几个主要概念，mapreduce 整体上可以分为这么几条执行线索：jobclient，JobTracker 与TaskTracker。
1、JobClient 会在用户端通过JobClient 类将应用已经配置参数打包成jar 文件存储到hdfs，并把路径提交到Jobtracker,然后由JobTracker 创建每一个Task（即MapTask 和ReduceTask）并将它们分发到各个TaskTracker 服务中去执行。
2、JobTracker 是一个master 服务，软件启动之后JobTracker 接收Job，负责调度Job 的每一个子任务task 运行于TaskTracker 上，并监控它们，如果发现有失败的task 就重新运行它。
一般情况应该把JobTracker 部署在单独的机器上。
3、TaskTracker 是运行在多个节点上的slaver 服务。
TaskTracker 主动与JobTracker 通信，接收作业，并负责直接执行每一个任务。
TaskTracker 都需要运行在HDFS 的DataNode 上。
4. Hadoop 作者a)Martin Fowler b)Kent Beck c)Doug cutting答案C Doug cutting5. HDFS 默认Block Sizea)32MB b)64MB c)128MB答案：B6. 下列哪项通常是集群的最主要瓶颈a)CPU b)网络c)磁盘IO d)内存答案：C 磁盘首先集群的目的是为了节省成本，用廉价的pc 机，取代小型机及大型机。
小型机和大型机有什么特点？1.cpu 处理能力强2.内存够大，所以集群的瓶颈不可能是a 和d3.如果是互联网有瓶颈，可以让集群搭建内网。
每次写入数据都要通过网络（集群是内网），然后还要写入3 份数据，所以IO 就会打折扣。
7.关于SecondaryNameNode 哪项是正确的？a)它是NameNode 的热备b)它对内存没有要求c)它的目的是帮助NameNode 合并编辑日志，减少NameNode 启动时间d)SecondaryNameNode 应与NameNode 部署到一个节点答案C。
多选题：8. 下列哪项可以作为集群的管理？a)Puppet b)Pdsh c)Cloudera Manager d)Zookeeper答案ABD具体可查看什么是Zookeeper，Zookeeper 的作用是什么，在Hadoop 及hbase 中具体作用是什么。
9. 配置机架感知的下面哪项正确a)如果一个机架出问题，不会影响数据读写b)写入数据的时候会写到不同机架的DataNode 中c)MapReduce 会根据机架获取离自己比较近的网络数据答案ABC具体可以参考hadoop 机架感知--加强集群稳固性，该如何配置hadoop 机架感知10. Client 端上传文件的时候下列哪项正确a)数据经过NameNode 传递给DataNodeb)Client 端将文件切分为Block，依次上传c)Client 只上传数据到一台DataNode，然后由NameNode 负责Block 复制工作答案B分析：Client 向NameNode 发起文件写入的请求。
NameNode 根据文件大小和文件块配置情况，返回给Client 它所管理部分DataNode 的信息。
Client 将文件划分为多个Block，根据DataNode 的地址信息，按顺序写入到每一个DataNode 块中。
具体查看HDFS 体系结构简介及优缺点。
11. 下列哪个是Hadoop 运行的模式a)单机版b)伪分布式c)分布式答案ABC 单机版,伪分布式只是学习用的。
12. Cloudera 提供哪几种安装CDH 的方法a)Cloudera manager b)Tarball c)Yum d)Rpm答案：ABCD 具体可以参考Hadoop CDH 四种安装方式总结及实例指导。
简答题1.Hadoop集群可以运行的3个模式？单机（本地）模式伪分布式模式全分布式模式2. 单机（本地）模式中的注意点？在单机模式（standalone）中不会存在守护进程，所有东西都运行在一个JVM上。
这里同样没有DFS，使用的是本地文件系统。
单机模式适用于开发过程中运行MapReduce程序，这也是最少使用的一个模式。
3. 伪分布模式中的注意点？伪分布式（Pseudo）适用于开发和测试环境，在这个模式中，所有守护进程都在同一台机器上运行。
4. VM是否可以称为Pseudo？不是，两个事物，同时Pseudo只针对Hadoop。
5. 全分布模式又有什么注意点？全分布模式通常被用于生产环境，这里我们使用N台主机组成一个Hadoop集群，Hadoop守护进程运行在每台主机之上。
这里会存在Namenode运行的主机，Datanode运行的主机，以及task tracker运行的主机。
在分布式环境下，主节点和从节点会分开。
6. Hadoop是否遵循UNIX模式？是的，在UNIX用例下，Hadoop还拥有“conf”目录。
7. Hadoop安装在什么目录下？Cloudera和Apache使用相同的目录结构，Hadoop被安装在cd/usr/lib/hadoop-0.20/。
8. Namenode、Job tracker和task tracker的端口号是？Namenode，70；Job tracker，30；Task tracker，60。
9. Hadoop的核心配置是什么？Hadoop的核心配置通过两个xml文件来完成：1，hadoop-default.xml；2，hadoop-site.xml。
这些文件都使用xml格式，因此每个xml中都有一些属性，包括名称和值，但是当下这些文件都已不复存在。
10. 那当下又该如何配置？Hadoop现在拥有3个配置文件：1，core-site.xml；2，hdfs-site.xml；3，mapred-site.xml。
这些文件都保存在conf/子目录下。
11. RAM的溢出因子是？溢出因子（Spill factor）是临时文件中储存文件的大小，也就是Hadoop-temp目录。
12. fs.mapr.working.dir只是单一的目录？fs.mapr.working.dir只是一个目录。
13. hdfs-site.xml的3个主要属性？.dir决定的是元数据存储的路径以及DFS的存储方式（磁盘或是远端）dfs.data.dir决定的是数据存储的路径fs.checkpoint.dir用于第二Namenode14. 如何退出输入模式？退出输入的方式有：1，按ESC；2，键入:q（如果你没有输入任何当下）或者键入:wq（如果你已经输入当下），并且按下Enter。
15. 当你输入hadoopfsck /造成“connection refused java exception’”时，系统究竟发生了什么？这意味着Namenode没有运行在你的VM之上。
16. 我们使用Ubuntu及Cloudera，那么我们该去哪里下载Hadoop，或者是默认就与Ubuntu 一起安装？这个属于Hadoop的默认配置，你必须从Cloudera或者Edureka的dropbox下载，然后在你的系统上运行。
当然，你也可以自己配置，但是你需要一个Linux box，Ubuntu或者是Red Hat。
在Cloudera网站或者是Edureka的Dropbox中有安装步骤。
17. “jps”命令的用处？这个命令可以检查Namenode、Datanode、Task Tracker、Job Tracker 是否正常工作。
18. 如何重启Namenode？点击stop-all.sh，再点击start-all.sh。
键入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. 如何检查Namenode是否正常运行？如果要检查Namenode是否正常工作，使用命令/etc/init.d/hadoop-0.20-namenode status或者就是简单的jps。
21. mapred.job.tracker命令的作用？可以让你知道哪个节点是Job Tracker。
22. /etc /init.d命令的作用是？/etc /init.d说明了守护进程（服务）的位置或状态，其实是LINUX特性，和Hadoop关系不大。
23. 如何在浏览器中查找Namenode？如果你确实需要在浏览器中查找Namenode，你不再需要localhost:8021，Namenode的端口号是50070。
24. 如何从SU转到Cloudera？从SU转到Cloudera只需要键入exit。
25. 启动和关闭命令会用到哪些文件？Slaves及Masters。
26. Slaves由什么组成？Slaves由主机的列表组成，每台1行，用于说明数据节点。