大数据面试题剖析讲课稿
结构化面试社会现象大数据真题+逐字稿
真题：目前大数据广泛应用，大到社会治理，小到数据创新、数据决策等，谈谈你对大数据的理解随着人工智能技术的不断发展，大数据与人工智能的结合将越来越紧密。
这将使得数据分析更加智能化、自动化，提高数据分析的效率和准确性。
同时随着物联网设备的普及和数据的爆炸式增长，边缘计算将成为大数据处理的重要趋势。
通过在设备端进行数据处理和分析，可以大大减轻云端的数据处理压力，提高数据处理的实时性和效率，是非常好的一项技术。
首先对于个人而言，大数据的应用使得我们的生活更加便捷、智能。
例如，智能家居、智能出行等应用都是基于大数据的分析和预测来为我们提供个性化服务。
其次对于社会而言，大数据的应用有助于提升社会治理水平、促进经济发展和社会进步。
同时，大数据也带来了数据安全和隐私保护等挑战，需要我们共同面对和解决。
第三对于国家而言，大数据能为国家经济增长带来新的驱动。
随着信息技术的不断发展和全球信息化的程度提高，数据已成为各个领域的重要资源。
通过大数据分析和挖掘，企业和政府可以更加准确地了解市场需求、优化生产方式，提高生产效率和质量，从而推动经济的增长。
大数据具有这么多的积极意义，那我们怎样发展好大数据，更好的助力我们经济社会的发展呢，我想可以做好以下几个方面。
第一，是要落实应用推广与产业发展，推动大数据在各行各业的应用，如金融、医疗、公共服务、电子商务等，促进产业升级和转型。
同时鼓励企业利用大数据进行创新应用，如数据驱动的产品设计、智能营销等。
第二，是要加强跨领域融合与合作，推动不同领域数据的融合和共享，打破数据孤岛，实现数据资源的优化配置。
还可以加强产学研用之间的合作，促进大数据技术的研发和应用。
第三，要持续加大研究与投资，增加对大数据技术的科研投入，推动大数据技术的创新和发展。
引导社会资本投向大数据领域，推动大数据产业的繁荣发展。
大数据是一种宝贵的资源，它的应用已经深入到各个领域，为我们的生活和工作带来了深刻影响。
我们应该积极拥抱大数据，充分发挥其潜力，同时也要关注其带来的挑战和问题，共同推动大数据的健康发展。
大数据方案面试题目及答案
大数据方案面试题目及答案一、题目：请根据以下情景描述，设计一个大数据方案，提供可行的解决方案，并解释其实施步骤和相关技术工具。
情景描述：某互联网公司拥有海量用户，每天生成的数据量庞大，包括用户行为数据、服务器日志、社交网络数据等。
该公司希望通过对这些大数据进行挖掘，为产品改进、用户画像、市场营销等方面提供支持。
要求：1. 分析并说明如何收集、存储和处理这些大数据。
2. 提出针对以上数据的应用场景，并描述需要采用的技术工具。
3. 阐述如何保证数据安全和隐私保护。
二、解决方案：1. 数据收集、存储和处理针对大数据的收集，可以使用流式处理技术，如Apache Kafka，用于高吞吐量的实时数据流处理。
通过构建数据管道，将各种数据源的数据实时导入到数据湖中，例如Hadoop分布式文件系统(HDFS)。
对于大数据的存储，可以采用分布式存储系统，如Hadoop的HBase，用于高可靠性的海量数据存储和快速检索。
数据可以按照数据类型和业务需求进行合理划分和存储，提高查询效率。
大数据的处理可以采用Apache Spark进行分布式计算和数据处理。
Spark提供了强大的数据分析和机器学习库，可用于处理海量数据，实现复杂的数据挖掘任务。
2. 应用场景和技术工具场景一：用户行为数据分析通过收集用户行为数据，使用Spark的机器学习库进行用户画像分析。
可以运用聚类算法、关联规则挖掘等技术，发现用户的兴趣偏好和行为习惯，为产品改进和个性化推荐提供支持。
场景二：服务器日志监控使用Kafka实时收集服务器日志，并将数据导入HBase进行存储。
通过Spark Streaming技术对日志数据进行实时监控和异常检测，及时发现并解决服务器故障。
场景三：社交网络数据分析收集社交网络平台上的用户数据，使用GraphX图计算引擎进行社交网络分析。
通过建立用户关系图，分析用户社交圈子、影响力等，为精准的社交推荐和营销提供依据。
3. 数据安全和隐私保护为了保证数据的安全性和隐私保护，可以采取以下措施：- 数据加密：对敏感数据进行加密处理，确保数据在传输和存储过程中不被窃取。
大数据计算机面试题及答案
大数据计算机面试题及答案在大数据时代的背景下，大数据计算机相关的职位需求越来越多，因此，面试官们通常会从各个角度考察面试者的能力和知识水平。
以下是一些常见的大数据计算机面试题及其答案，希望能够帮助你在面试中取得好的表现。
1. 请解释什么是大数据？大数据指的是规模非常大，无法用传统的数据处理工具进行捕捉、管理和处理的数据集合。
这些数据通常具有高速生成、多种类型和大量的不确定性。
大数据主要包括结构化、半结构化和非结构化数据。
2. 大数据处理的具体流程是什么？大数据处理通常包括以下几个步骤：数据获取：从不同的数据源中获取数据，如传感器、社交媒体、日志文件等。
数据存储：将数据存储在适当的存储系统中，如分布式文件系统（HDFS）、NoSQL数据库等。
数据清洗：对数据进行清洗和预处理，包括去重、填充缺失值、处理异常值等。
数据分析：使用适当的数据分析工具和算法对数据进行分析，如机器学习、数据挖掘等。
数据可视化：将分析结果以可视化的方式呈现，如图表、报表等。
数据应用：将分析结果应用于实际问题，如推荐系统、风险预测等。
3. 请列举一些大数据处理的框架或工具。
一些常见的大数据处理框架或工具包括：Hadoop：开源的分布式计算框架，包括Hadoop Distributed File System（HDFS）和MapReduce。
Spark：快速而通用的大数据处理引擎，支持内存计算。
Hive：建立在Hadoop之上的数据仓库基础设施，提供类似于SQL的查询接口。
HBase：分布式、可扩展的NoSQL数据库。
Pig：用于分析大型数据集的高级脚本语言和运行环境。
4. 请解释什么是MapReduce？MapReduce是一种用于并行计算的编程模型和算法，最初由Google 提出。
它将计算任务分为两个阶段：Map阶段和Reduce阶段。
在Map阶段中，输入数据会根据用户定义的函数进行转换，并生成键值对。
随后，在Reduce阶段中，相同键的值会被合并和计算，最终得到最终的输出结果。
大数据数据库面试题
大数据数据库面试题导语随着互联网和移动互联网的快速发展，数据量越来越大，数据分析和处理的需求也越来越迫切。
而大数据数据库就是为了处理海量数据而设计的数据库系统。
在企业中，越来越多的企业开始引入大数据数据库来存储和分析数据，以提高决策的准确性和效率。
因此，会计公司和其他大数据数据库相关的企业，对具备大数据数据库技能的求职者有着非常高的需求。
下面就是一些大数据数据库的面试题，希望可以帮助到需要准备大数据数据库面试的孩初。
一、基础知识1. 什么是大数据？大数据数据库有什么特点？2. 请简要介绍一下Hadoop和Spark，它们分别的作用是什么？3. 请解释一下MapReduce的原理及其作用。
4. 请解释一下HDFS的概念及其特点。
5. 请简要介绍一下NoSQL数据库。
6. 什么是分布式数据库？如何解决分布式数据库中的数据一致性问题？7. 请简要介绍一下分布式事务的处理方法。
二、常见问题1. 如何使用Hive来进行数据仓库的创建和管理？2. 请简要介绍一下数据清洗的常用方法和流程。
3. 大数据处理中常见的数据分析算法有哪些？请分别介绍一下。
4. 请简要介绍一下大数据处理中的数据挖掘方法。
5. 请简要介绍一下大数据处理中的数据可视化方法。
6. 请简要介绍一下大数据处理中的数据安全和隐私保护方法。
7. 请简要介绍一下大数据处理中的数据备份和恢复方法。
8. 请简要介绍一下大数据在企业中的应用场景和价值。
9. 在大数据处理中，主要有哪些常见的性能优化方法？请分别介绍一下。
三、案例分析1. 请结合实际案例，简要介绍一下如何使用Hadoop来处理大规模数据。
2. 请结合实际案例，简要介绍一下如何使用Spark来进行大规模数据分析。
3. 请结合实际案例，简要介绍一下如何使用Hive来创建和管理数据仓库。
4. 请结合实际案例，简要介绍一下大数据处理中的数据安全和隐私保护方法。
综上所述，大数据数据库面试题主要涉及到大数据处理的基础知识、常见问题、案例分析等方面。
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。
大数据分析面试题
大数据分析面试题在面试中，大数据分析面试题是非常常见的一类题目。
面试官通过这些问题来考察面试者对于大数据分析的理解、应用以及解决问题的能力。
在本文中，我们将介绍一些常见的大数据分析面试题，并提供相应的解答。
1. 请解释什么是大数据分析？大数据分析的过程包括哪些步骤？大数据分析指的是对大规模的、复杂的数据集进行分析和挖掘，以获取有价值的信息和业务洞察。
大数据分析的步骤通常可以概括为以下几个方面：- 数据收集：从不同的数据源获取数据，包括结构化数据（如数据库）和非结构化数据（如日志文件、社交媒体数据等）。
- 数据清洗：对原始数据进行处理和清洗，去除噪声、缺失值、重复数据等。
- 数据存储：将清洗后的数据存储在适当的数据仓库或数据湖中，以便后续分析使用。
- 数据分析：应用不同的统计方法、机器学习算法等，对数据进行分析和建模，发现其中的模式、趋势和规律。
- 结果可视化：将分析结果以图表、报告等形式展示出来，从而让业务用户更容易理解和应用。
2. 什么是数据清洗？数据清洗的目的是什么？数据清洗是指对原始数据进行处理和筛选，以去除其中的噪声、错误、缺失值等问题，从而提高数据的质量和准确性。
数据清洗的目的主要有以下几个方面：- 去除噪声：在数据收集和传输过程中，经常会受到干扰和噪声的影响，数据清洗可以通过滤波等技术降低噪声的影响。
- 处理缺失值：原始数据中通常存在缺失值的情况，数据清洗可以通过插补等方法填充缺失值，以保证后续分析的准确性。
- 检测和纠正错误：原始数据中可能存在一些错误和异常值，数据清洗可以通过数据校验和纠错等技术，提高数据的准确性。
- 数据一致性：在大数据分析中，通常需要对多个数据源进行整合和联合分析，数据清洗可以提高数据的一致性和可比性。
3. 请介绍一些常用的大数据分析工具和技术。
大数据分析涉及到海量数据的处理和分析，因此需要使用到一些专门的工具和技术来支持。
以下是一些常用的大数据分析工具和技术： - Hadoop：Hadoop是一个开源的大数据处理框架，能够对大规模数据进行分布式存储和计算，通过HDFS和MapReduce来支持海量数据的处理。
大数据方向_面试题目(3篇)
第1篇一、基础知识与理论1. 请简述大数据的概念及其与传统数据处理的区别。
2. 请解释什么是Hadoop，并简要说明其组成部分。
3. 请简述MapReduce的核心思想及其在Hadoop中的应用。
4. 请描述HDFS（Hadoop分布式文件系统）的工作原理及其优势。
5. 请说明YARN（Yet Another Resource Negotiator）的作用及其在Hadoop中的地位。
6. 请解释什么是Spark，以及它与传统的大数据处理技术相比有哪些优势。
7. 请描述Spark的架构及其核心组件。
8. 请说明什么是Hive，并简要介绍其作用。
9. 请解释什么是HBase，以及它在大数据中的应用场景。
10. 请说明什么是NoSQL，并列举几种常见的NoSQL数据库及其特点。
二、Hadoop生态系统1. 请介绍Hadoop生态系统中常用的数据处理工具，如Hive、Pig、Spark等。
2. 请说明Hadoop生态系统中常用的数据分析工具，如Elasticsearch、Kafka、Flume等。
3. 请解释Hadoop生态系统中数据存储解决方案，如HDFS、HBase、Cassandra等。
4. 请描述Hadoop生态系统中常用的数据仓库解决方案，如Apache Hudi、Delta Lake等。
5. 请说明Hadoop生态系统中常用的数据可视化工具，如Tableau、Power BI、D3.js等。
三、大数据技术1. 请简述大数据技术中的数据清洗、数据集成、数据存储、数据挖掘等基本概念。
2. 请介绍大数据技术中的数据挖掘算法，如聚类、分类、关联规则等。
3. 请说明大数据技术中的数据可视化方法及其在数据分析中的应用。
4. 请描述大数据技术中的实时数据处理技术，如流处理、事件驱动等。
5. 请介绍大数据技术中的机器学习算法及其在数据分析中的应用。
四、大数据应用案例1. 请列举大数据技术在金融、医疗、电商、物联网等领域的应用案例。
大数据项目相关的面试题
大数据项目相关的面试题1. 请简单介绍一下大数据的概念。
嘿，这大数据啊，就是超大量的数据呗。
就像我们生活里各种各样的信息，像你每天上网浏览的网页啊，买东西的记录啊，这些海量的信息聚在一起就成了大数据。
它可重要啦，能让企业知道顾客喜欢啥，然后更好地卖东西，也能让科学家研究很多现象呢。
2. 你知道大数据有哪些常见的存储方式吗？有Hadoop分布式文件系统（HDFS）呀。
这个就像是一个超级大的仓库，能把数据分散存到好多台电脑上，这样就算数据超级多也不怕没地方放啦。
还有NoSQL数据库，像MongoDB之类的，它和传统的数据库不太一样，更适合存储那些结构不那么固定的数据，很灵活呢。
3. 怎么确保大数据的安全性呢？这可重要啦。
一方面呢，要对数据加密，就像给数据上把锁，只有有钥匙的人才能看。
比如说用一些加密算法，像AES算法之类的。
另一方面呢，要做好访问控制，不是谁都能随便看数据的，要设置不同的权限，比如管理员能看很多数据，普通员工只能看一部分。
4. 请举例说明大数据在实际生活中的应用。
你看现在的电商平台，像淘宝呀。
它通过分析大量的用户购买数据，就能知道你可能喜欢啥，然后给你推荐。
还有交通方面，通过分析各个路段的车流量数据，可以调整红绿灯的时间，让交通更顺畅呢。
5. 你了解大数据处理的基本流程吗？一般先得收集数据呀，就像从各个地方把数据搜集过来。
然后是数据预处理，因为收集来的数据可能有点乱，要清理一下，去掉那些错误的或者不完整的数据。
接着就是数据分析啦，用各种算法分析数据，最后就是数据可视化，把分析的结果用图表之类的形式展示出来，这样大家就能很直观地看到结果啦。
6. 什么是数据挖掘？它和大数据有啥关系？数据挖掘呢，就是从大量的数据里找出有用的信息。
它和大数据关系可密切啦。
大数据是数据挖掘的基础，要是没有大量的数据，那挖掘啥呀。
而数据挖掘呢，是大数据的一个重要应用，通过挖掘能让大数据发挥出更大的价值。
7. 如何评估大数据项目的成功与否？可以看是不是达到了当初设定的目标呀。
- 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)。
单项选择题1. 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)不确定3. 下列哪个程序通常与 NameNode 在一个节点启动?a)SecondaryNameNodeb)DataNodec)TaskTrackerd)Jobtracker4. Hadoop 作者a)Martin Fowlerb)Kent Beckc)Doug cutting5. HDFS 默认 Block Sizea)32MBb)64MBc)128MB6. 下列哪项通常是集群的最主要瓶颈a)CPUb)网络c)磁盘d)内存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 部署到一个节点多选题8. 下列哪项可以作为集群的管理工具a)Puppetb)Pdshc)Cloudera Managerd)d)Zookeeper9. 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12. Cloudera 提供哪几种安装 CDH 的方法a)Cloudera managerb)Tar ballc)Yum d)Rpm判断题13. Ganglia 不仅可以进行监控，也可以进行告警。
( )14. Block Size 是不可以修改的。
( )15. Nagios 不可以监控Hadoop 集群，因为它不提供Hadoop 支持。
16. 如果NameNode 意外终止，SecondaryNameNode 会接替它使集群继续工作。
( )17. Cloudera CDH 是需要付费使用的。
( )18. Hadoop 是 Java 开发的，所以 MapReduce 只支持 Java 语言编写。
( )19. Hadoop 支持数据的随机读写。
( )20. NameNode 负责管理 metadata，client 端每次读写请求，它都会从磁盘中读取或则会写入 metadata 信息并反馈 client 端。
( )21. NameNode 本地磁盘保存了 Block 的位置信息。
( )22. DataNode 通过长连接与 NameNode 保持通信。
( )23. 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。
24. Slave 节点要存储数据，所以它的磁盘越大越好。
( )25. hadoop dfsadmin –report 命令用于检测 HDFS 损坏块。
( )26. Hadoop 默认调度器策略为 FIFO( )27. 集群内每个节点都应该配 RAID，这样避免单磁盘损坏，影响整个节点运行。
( )28. 因为 HDFS 有多个副本，所以 NameNode 是不存在单点问题的。
( )29. 每个 map 槽就是一个线程。
( )30. Mapreduce 的 input split 就是一个 block。
( )31. NameNode 的 Web UI 端口是 50030，它通过 jetty 启动的 Web 服务。
( )32. Hadoop 环境变量中的HADOOP_HEAPSIZE 用于设置所有Hadoop 守护线程的内存。
它默认是 200 GB。
( )33. DataNode 首次加入 cluster 的时候，如果 log 中报告不兼容文件版本，那需要NameNode执行“Hadoop namenode -format”操作格式化磁盘。
( )别走开，答案在后面哦!答案单选题1. 下面哪个程序负责 HDFS 数据存储。
答案C datanodea)NameNodeb)Jobtrackerc)Datanoded)secondaryNameNodee)tasktracker2. HDfS 中的 block 默认保存几份? 答案A默认3分a)3 份b)2 份c)1 份d)不确定3. 下列哪个程序通常与 NameNode 在一个节点启动?答案Da)SecondaryNameNodeb)DataNodec)TaskTrackerd)Jobtracker此题分析：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secondary NameNode(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 NameNodeTaskTracker 对应于 DataNodeDataNode 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：obclient，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 作者答案C Doug cuttinga)Martin Fowlerb)Kent Beckc)Doug cutting5. HDFS 默认 Block Size 答案：Ba)32MBb)64MBc)128MB(因为版本更换较快，这里答案只供参考)6. 下列哪项通常是集群的最主要瓶颈：答案：C磁盘a)CPUb)网络c)磁盘IOd)内存该题解析：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.网络是一种稀缺资源，但是并不是瓶颈。
4.由于大数据面临海量数据，读写数据都需要io，然后还要冗余数据，hadoop一般备3份数据，所以IO就会打折扣。
7. 关于 SecondaryNameNode 哪项是正确的?答案Ca)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。
多选题8. 下列哪项可以作为集群的管理?答案：ABDa)Puppetb)Pdshc)Cloudera Managerd)Zookeeper9. 配置机架感知的下面哪项正确：答案ABCa)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10. Client 端上传文件的时候下列哪项正确?答案Ba)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 复制工作该题分析：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。
11. 下列哪个是 Hadoop 运行的模式：答案ABCa)单机版b)伪分布式c)分布式12. Cloudera 提供哪几种安装 CDH 的方法?答案：ABCDa)Cloudera managerb)Tarballc)Yumd)Rpm判断题13. Ganglia 不仅可以进行监控，也可以进行告警。
( 正确)分析：此题的目的是考Ganglia的了解。
严格意义上来讲是正确。
ganglia作为一款最常用的Linux环境中的监控软件，它擅长的的是从节点中按照用户的需求以较低的代价采集数据。
但是ganglia在预警以及发生事件后通知用户上并不擅长。
最新的ganglia已经有了部分这方面的功能。
但是更擅长做警告的还有Nagios。
Nagios，就是一款精于预警、通知的软件。
通过将Ganglia和Nagios组合起来，把Ganglia采集的数据作为Nagios的数据源，然后利用Nagios来发送预警通知，可以完美的实现一整套监控管理的系统。
14. Block Size 是不可以修改的。
(错误 )分析：它是可以被修改的Hadoop的基础配置文件是hadoop-default.xml，默认建立一个Job的时候会建立Job的Config，Config首先读入hadoop-default.xml的配置，然后再读入hadoop-site.xml的配置(这个文件初始的时候配置为空)，hadoop-site.xml中主要配置需要覆盖的hadoop-default.xml 的系统级配置。