一、 选择题

1. 以下哪一项不属于 Hadoop 可以运行的模式 C。
   A. 单机（本地）模式
   B. 伪分布式模式
   C. 互联模式
   D. 分布式模式
2. Hadoop 的作者是下面哪一位 B__。
   A. Martin Fowler
   B. Doug cutting
   C. Kent Beck
   D. Grace Hopper
3. 下列哪个程序通常与 NameNode 在同一个节点启动 D_。
   A. TaskTracker
   B. DataNode
   C. SecondaryNameNode
   D. Jobtracker
4. HDFS 默认 Block Size的大小是 B。
   A.32MB
   B.64MB
   C.128MB
   D.256M
5. 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
6. 下列关于 MapReduce 说法不正确的是 ____C。
   A. MapReduce 是一种计算框架
   B. MapReduce 来源于 google 的学术论文
   C. MapReduce 程序只能用 java 语言编写
   D. MapReduce 隐藏了并行计算的细节，方便使用
7. HDFS是基于流数据模式访问和处理超大文件的需求而开发的，具有高容错、高可靠性、高可扩展性、高吞吐率等特征，适合的读写任务是 D__。
   A．一次写入，少次读
   B．多次写入，少次读
   C．多次写入，多次读
   D．一次写入，多次读
8. HBase依靠 __A____存储底层数据。
   A. HDFS
   B. Hadoop
   C. Memory
   D. MapReduce
9. HBase依赖 ___D___提供强大的计算能力。
   A. Zookeeper
   B. Chubby
   C. RPC
   D. MapReduce
10. HBase依赖 ___A___提供消息通信机制
    A. Zookeeper
    B. Chubby
    C. RPC
    D. Socket
11. 下面与 HDFS类似的框架是 C_？
    A. NTFS
    B. FAT32
    C. GFS
    D. EXT3
12. 关于 SecondaryNameNode 下面哪项是正确的 C。
    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
13. 大数据的特点不包括下面哪一项 D。
    A. 巨大的数据量
    B. 多结构化数据
    C. 增长速度快
    D. 价值密度高
    #二、 HBase测试题
14. HBase来源于哪一项？ C
    A The Google File System
    B MapReduce
    C BigTable
    D Chubby
15. 下面对 HBase 的描述哪些是正确的？ B、C、D
    A 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
16. HBase依靠（）存储底层数据 A
    A HDFS
    B Hadoop
    C Memory
    D MapReduce
17. HBase依赖（）提供消息通信机制 A
    A Zookeeper
    B Chubby
    C RPC
    D Socket
18. HBase依赖（）提供强大的计算能力 D
    A Zookeeper
    B Chubby
    C RPC
    D MapReduce
19. MapReduce 与 HBase的关系，哪些描述是正确的？ B、C
    A 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
    C MapReduce 可以直接访问 HBase
    D 它们之间没有任何关系
20. 下面哪些选项正确描述了 HBase的特性？ A、B、 C、D
    A 高可靠性
    B 高性能
    C 面向列
    D 可伸缩
21. 下面与 Zookeeper 类似的框架是？ D
    A Protobuf
    B Java
    C Kafka
    D Chubby
22. 下面与 HDFS类似的框架是？ C
    A NTFS
    B FAT32
    C GFS
    D EXT3
23. 下面哪些概念是 HBase框架中使用的？ A、C
    A HDFS
    B GridFS
    C Zookeeper
    D EXT3

二、 HBase核心知识点

11. LSM含义是？ A
    A 日志结构合并树
    B 二叉树
    C 平衡二叉树
    D 基于日志结构的合并树
12. 下面对 LSM结构描述正确的是？ A、C
    A 顺序存储
    B 直接写硬盘
    C 需要将数据 Flush到磁盘
    D 是一种搜索平衡树
13. LSM更能保证哪种操作的性能？ B
    A 读
    B 写
    C 随机读
    D 合并
14. LSM的读操作和写操作是独立的？ A
    A 是。
    B 否。
    C LSM并不区分读和写
    D LSM中读写是同一种操作
15. LSM结构的数据首先存储在（） 。 B
    A 硬盘上
    B 内存中
    C 磁盘阵列中
    D 闪存中
    16 HFile 数据格式中的 Data 字段用于（） 。A
    A 存储实际的 KeyValue数据
    B 存储数据的起点
    C 指定字段的长度
    D 存储数据块的起点
    17 HFile 数据格式中的 MetaIndex 字段用于（） 。D
    A Meta 块的长度
    B Meta 块的结束点
    C Meta 块数据内容
    D Meta 块的起始点
    18 HFile 数据格式中的 Magic 字段用于（） 。A
    A 存储随机数，防止数据损坏
    B 存储数据的起点
    C 存储数据块的起点
    D 指定字段的长度
    19 HFile 数据格式中的 KeyValue数据格式，下列选项描述正确的是（） 。A、D
    A 是 byte[] 数组
    B 没有固定的结构
    C 数据的大小是定长的
    D 有固定的结构
    20 HFile 数据格式中的 KeyValue数据格式中 Value 部分是（）。C
    A 拥有复杂结构的字符串
    B 字符串
    C 二进制数据
    D 压缩数据

三、 HBase高级应用介绍

31 HBase中的批量加载底层使用（）实现。 A
A MapReduce
B Hive
C Coprocessor
D Bloom Filter
32. HBase性能优化包含下面的哪些选项？ A、B、C、 D
A 读优化
B 写优化
C 配置优化
D JVM 优化
33. Rowkey 设计的原则，下列哪些选项的描述是正确的？ A、B、C
A 尽量保证越短越好
B 可以使用汉字
C 可以使用字符串
D 本身是无序的
34. HBase构建二级索引的实现方式有哪些？ A、B
A MapReduce
B Coprocessor
C Bloom Filter
D Filter
35. 关于 HBase二级索引的描述，哪些是正确的？ A、B
A 核心是倒排表
B 二级索引概念是对应 Rowkey 这个“一级”索引
C 二级索引使用平衡二叉树
D 二级索引使用 LSM结构
36. 下列关于 Bloom Filter 的描述正确的是？ A、C
A 是一个很长的二进制向量和一系列随机映射函数
B 没有误算率
C 有一定的误算率
D 可以在 Bloom Filter 中删除元素
第四部分： HBase安装、部署、启动
37. HBase官方版本可以安装在什么操作系统上？ A、 B、C
A CentOS
B Ubuntu
C RedHat
D Windows
38. HBase虚拟分布式模式需要（）个节点？ A
A 1
B 2
C 3
D 最少 3 个
39. HBase分布式模式最好需要（）个节点？ C
A 1
B 2
C 3
D 最少

四、关于 hadoop 的选择题

1、Doug Cutting 所创立的项目的名称都受到其家人的启发，以下项目不是由他
创立的项目是
A． Hadoop
B． Nutch
C． Lucene
D． Solr
答案： D
2、配置 Hadoop时，JAVA_HOME包含在哪一个配置文件中
A． hadoop-default.xml
B． hadoop-env.sh
C． hadoop-site.xml
D． configuration.xsl
答案： B
知识点： hadoop配置
3、Hadoop配置文件中， hadoop-site.xml 显示覆盖 hadoop-default.xml 里的内
容。在版本 0.20 中，hadoop-site.xml 被分离成三个 XML文件，不包括
A． conf-site.xml
B． mapred-site.xml
C． core-site.xml
D． hdfs-site.xml
答案： A
知识点： hadoop配置
4、HDFS默认的当前工作目录是 /user/$USER，fs.default.name 的值需要在哪个
配置文件内说明
A. mapred-site.xml
B. core-site.xml
C. hdfs-site.xml
D. 以上均不是
答案： B
知识点： hadoop配置
5、关于 Hadoop单机模式和伪分布式模式的说法，正确的是
A． 两者都起守护进程，且守护进程运行在一台机器上
B． 单机模式不使用 HDFS，但加载守护进程
C． 两者都不与守护进程交互，避免复杂性
D． 后者比前者增加了 HDFS输入输出以及可检查内存使用情况
答案： D
知识点： hadoop配置
6、下列关于 Hadoop API 的说法错误的是
A． Hadoop 的文件 API 不是通用的，只用于 HDFS文件系统
B． Configuration 类的默认实例化方法是以 HDFS系统的资源配置为基础的
C． FileStatus 对象存储文件和目录的元数据
D． FSDataInputStream 是 java.io.DataInputStream 的子类
答案： A
//HDFS
7、HDFS的 NameNode负责管理文件系统的命名空间，将所有的文件和文件夹的
元数据保存在一个文件系统树中，这些信息也会在硬盘上保存成以下文件：
A．日志
B．命名空间镜像
C．两者都是
答案： C
知识点：
8、HDFS的 namenode保存了一个文件包括哪些数据块， 分布在哪些数据节点上，
这些信息也存储在硬盘上。
A．正确
B．错误
答案： B
知识点：在系统启动的时候从数据节点收集而成的
9、Secondary namenode就是 namenode出现问题时的备用节点
A．正确
B．错误
答案： B
知识点：它和元数据节点负责不同的事情。 其主要功能就是周期性将元数据节点
的命名空间镜像文件和修改日志合并， 以防日志文件过大。 合并过后的命名空间
镜像文件也在 Secondary namenode保存了一份，以防 namenode失败的时候，可
以恢复。
10、出现在 datanode 的 VERSION文件格式中但不出现在 namenode的 VERSION
文件格式中的是
A. namespaceID
B. storageID
C. storageType
D. layoutVersion
答案： B
知识点：其他三项是公有的。 layoutVersion 是一个负整数，保存了 HDFS的持
续化在硬盘上的数据结构的格式版本号； namespaceID是文件系统的唯一标识符，
是在文件系统初次格式化时生成的； storageType 表示此文件夹中保存的是数据
节点的类型
11、Client 在 HDFS上进行文件写入时， namenode根据文件大小和配置情况， 返
回部分 datanode 信息，谁负责将文件划分为多个 Block ，根据 DataNode的地址
信息，按顺序写入到每一个 DataNode块
A． Client
B． Namenode
C． Datanode
D． Secondary namenode
答案： A
知识点： HDFS文件写入
12、HDFS的是基于流数据模式访问和处理超大文件的需求而开发的，默认的最
基本的存储单位是 64M，具有高容错、高可靠性、高可扩展性、高吞吐率等特征，
适合的读写任务是
A．一次写入，少次读写
B．多次写入，少次读写
C．一次写入，多次读写
D．多次写入，多次读写
答案： C
知识点： HDFS特性
13、HDFS无法高效存储大量小文件，想让它能处理好小文件，比较可行的改进
策略不包括
A． 利用 SequenceFile 、MapFile、Har 等方式归档小文件
B． 多 Master 设计
C． Block 大小适当调小
D． 调大 namenode内存或将文件系统元数据存到硬盘里
答案： D
知识点： HDFS特性
14、关于 HDFS的文件写入，正确的是
A． 支持多用户对同一文件的写操作
B． 用户可以在文件任意位置进行修改
C． 默认将文件块复制成三份存放
D． 复制的文件块默认都存在同一机架上
答案： C
知识点：在 HDFS的一个文件中只有一个写入者，而且写操作只能在文件末尾完
成，即只能执行追加操作。 默认三份文件块两块在同一机架上， 另一份存放在其
他机架上。
15、Hadoop fs 中的-get 和-put 命令操作对象是
A． 文件
B． 目录
C． 两者都是
答案： C
知识点： HDFS命令
16、Namenode在启动时自动进入安全模式，在安全模式阶段，说法错误的是
A． 安全模式目的是在系统启动时检查各个 DataNode上数据块的有效性
B． 根据策略对数据块进行必要的复制或删除
C． 当数据块最小百分比数满足的最小副本数条件时，会自动退出安全模式
D． 文件系统允许有修改
答案： D
知识点： HDFS安全模式

五、MapReduce

17、MapReduce框架提供了一种序列化键 / 值对的方法，支持这种序列化的类能
够在 Map和 Reduce过程中充当键或值，以下说法错误的是
A． 实现 Writable 接口的类是值
B． 实现 WritableComparable 接口的类可以是值或键
C． Hadoop 的基本类型 Text 并不实现 WritableComparable 接口
D． 键和值的数据类型可以超出 Hadoop自身支持的基本类型
答案： C
18、以下四个 Hadoop预定义的 Mapper实现类的描述错误的是
A． IdentityMapper<K, V> 实现 Mapper<K, V, K, V> ，将输入直接映射到输出
B． InverseMapper<K, V> 实现 Mapper<K, V, K, V> ，反转键 / 值对
C． RegexMapper实现 Mapper<K, Text, Text, LongWritable> ，为每个常
规表达式的匹配项生成一个 (match, 1) 对 D． TokenCountMapper实现 Mapper<K, Text, Text, LongWritable> ，当输
入的值为分词时，生成 (taken, 1) 对
答案： B
知识点： InverseMapper<K, V> 实现 Mapper<K, V, V, K>
19、下列关于 HDFS为存储 MapReduce并行切分和处理的数据做的设计，错误的
是A． FSDataInputStream 扩展了 DataInputStream 以支持随机读
B． 为实现细粒度并行，输入分片 (Input Split) 应该越小越好
C． 一台机器可能被指派从输入文件的任意位置开始处理一个分片
D． 输入分片是一种记录的逻辑划分， 而 HDFS数据块是对输入数据的物理分割
答案： B
知识点：每个分片不能太小， 否则启动与停止各个分片处理所需的开销将占很大
一部分执行时间
20、针对每行数据内容为” Timestamp Url ”的数据文件， 在用 JobConf 对象 conf
设 置 conf.setInputFormat(WhichInputFormat.class) 来 读 取 这 个 文件 时 ，
WhichInputFormat 应该为以下的
A． TextInputFormat
B． KeyValueTextInputFormat
C． SequenceFileInputFormat
D． NLineInputFormat
答案： B
知识点：四项主要的 InputFormat 类。KeyValueTextInputFormat 以每行第一个
分隔符为界，分隔符前为 key，之后为 value ，默认制表符为 \t
21、有关 MapReduce的输入输出，说法错误的是
A． 链接多个 MapReduce作业时，序列文件是首选格式
B． FileInputFormat 中实现的 getSplits() 可以把输入数据划分为分片， 分片
数目和大小任意定义
C． 想完全禁止输出，可以使用 NullOutputFormat
D． 每个 reduce 需将它的输出写入自己的文件中，输出无需分片
答案： B
知识点：分片数目在 numSplits 中限定，分片大小必须大于 mapred.min.size
个字节，但小于文件系统的块
22、Hadoop Streaming 支持脚本语言编写简单 MapReduce程序，以下是一个例
子：
bin/hadoop jar contrib/streaming/hadoop-0.20-streaming.jar
—input input/filename
—output output
—mapper ‘dosth.py 5 ’
—file dosth.py
—D mapred.reduce.tasks=1
23、以下说法不正确的是
A． Hadoop Streaming 使用 Unix 中的流与程序交互
B． Hadoop Streaming 允许我们使用任何可执行脚本语言处理数据流
C． 采用脚本语言时必须遵从 UNIX的标准输入 STDIN，并输出到 STDOUT
D． Reduce 没有设定，上述命令运行会出现问题
答案： D
知识点：没有设定特殊的 reducer ，默认使用 IdentityReducer
24、在高阶数据处理中， 往往无法把整个流程写在单个 MapReduce作业中，下列
关于链接 MapReduce作业的说法，不正确的是
A．Job 和 JobControl 类可以管理非线性作业之间的依赖
B．ChainMapper和 ChainReducer 类可以用来简化数据预处理和后处理的构成
C．使用 ChainReducer 时，每个 mapper和 reducer 对象都有一个本地 JobConf
对象
D．ChainReducer.addMapper() 方法中，一般对键 / 值对发送设置成值传递， 性能
好且安全性高
答案： D
知识点：ChainReducer.addMapper() 方法中，值传递安全性高， 引用传递性能高
25、下面哪个程序负责 HDFS 数据存储。答案 C datanode
a)NameNode
b)Jobtracker
c)Datanode
d)secondaryNameNode
e)tasktracker
26. 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
27. 下列哪个程序通常与 NameNode 在一个节点启动？答案 D
a)SecondaryNameNode
b)DataNode
c)TaskTracker
d)Jobtracker
28. Hadoop 作者 答案 C Doug cutting
a)Martin Fowler
b)Kent Beck
c)Doug cutting
29. HDFS 默认 Block Size 答案： B
a)32MB
b)64MB
c)128MB
30、下列哪项通常是集群的最主要瓶颈：答案： C磁盘
a)CPU
b) 网络
c) 磁盘 IO
d) 内存
31. 关于 SecondaryNameNode 哪项是正确的？答案 C
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：

1. 下列哪项可以作为集群的管理？答案： ABD
   a)Puppet
   b)Pdsh
   c)Cloudera Manager
   d)Zookeeper
2. 配置机架感知的下面哪项正确：答案 ABC
   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
3. Client 端上传文件的时候下列哪项正确？答案 B
   a) 数据经过 NameNode 传递给 DataNode
   b)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
4. 下列哪个是 Hadoop 运行的模式：答案 ABC
   a) 单机版
   b) 伪分布式
   c) 分布式
5. Cloudera 提供哪几种安装 CDH 的方法？答案： ABCD
   a)Cloudera manager
   b)Tarball
   c)Yum
   d)Rpm

判断题：

1. Ganglia 不仅可以进行监控，也可以进行告警。 （ 正确）
2. Block Size 是不可以修改的。（错误 ）
3. Nagios 不可以监控 Hadoop 集群，因为它不提供 Hadoop 支持。（错误 ）
4. 如果 NameNode 意外终止， SecondaryNameNode 会接替它使集群继续工作。
   （错误 ）
5. Cloudera CDH 是需要付费使用的。（错误 ）
6. Hadoop 是 Java 开发的，所以 MapReduce 只支持 Java 语言编写。（错误 ）
7. Hadoop 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，它都会从磁盘中读
   取或则会写入 metadata 信息并反馈 client 端。（错误）
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 ）
10. Slave 节点要存储数据，所以它的磁盘越大越好。 （ 错误）
11. hadoopdfsadmin –report 命令用于检测 HDFS 损坏块。（错误 ）
12. Hadoop 默认调度器策略为 FIFO（正确 ）
13. 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。
    （错误 ）
14. 因为 HDFS 有多个副本，所以 NameNode 是不存在单点问题的。（错误 ）
15. 每个 map 槽就是一个线程。（错误 ）
16. Mapreduce 的 input split 就是一个 block 。（错误 ）
17. 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。（错误 ）
18. NameNode 的 Web UI 端口是 50030，它通过 jetty 启动的 Web 服务。（错
    误 ）
19. 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。（ 错误）