|
|
51CTO旗下网站
|
|
移动端

面试系列:深入理解Hadoop架构体系

Hadoop架构体系面试题:HDFS的进程构成及其作用;nameNode进程:负责对外展示文件的层级结构、管理客户端对文件的访问(如:打开、关闭、重命名等)、决定文件block与dataNode的对应关系等。

作者:IT技术百货来源:今日头条|2019-09-24 13:41

Hadoop组件简介

官方文档组织的非常清晰,主要由以下四个组件组成:HDFS、map-reduce、yarn、hadoop-common

面试系列:深入理解hadoop架构体系
hdfs架构

HDFS

分布式文件存储系统,主要特点是:

  • 可以运行在普通低成本硬件之上
  • 并且具备高容错性(硬件容错)
  • 适合高吞吐量的大数据存储,但并不强调低延迟
  • 适合一次写,多次读的场景,不支持随机读写;

map-reduce

map-reduce是一个计算框架,绝大部分的数据处理都可以转化为map、reduce组合,然后利用map-reduce框架进行计算、处理;

yarn

资源管理器,核心的思想时将资源的调度管理与资源监控分割为两个进程,其中一个是ResourceManager,另一个是NodeManager,前者负责资源的分配、后者负责资源监控;

面试系列:深入理解hadoop架构体系

common

hdfs、map-reduce所需要的公共库;

面试题

  • HDFS的进程构成及其作用;
  • nameNode进程:负责对外展示文件的层级结构、管理客户端对文件的访问(如:打开、关闭、重命名等)、决定文件block与dataNode的对应关系;
  • secondNameNode进程:从名字来看,应该是nameNode的back up,然而并不是,其主要作用是协助nameNode管理editLog;
  • dataNode:主要负责数据存储以及客户端的读写请求以及block的创建、删除等;

详细解释map过程的细节:

  • map过程主要是实现key-value集合到key-value集合的映射,可以实一对一、一对多、多对多映射;
  • 详细过程是:map -> group -> sorted -> partitioned
  • group:相同的key放到一起;
  • sorted:按照key进行排序
  • partition:对key进行分区,最终分区数量一般等于task数量;

详细解释reduce过程细节:

  • 首先是shuffle,即从map端拉取数据到reducer端;
  • 之后是group,也就是相同的key可能来自于不同的map,所以需要group
  • 之后是sort过程(再map阶段排序的基础之上,进行归并排序即可)
  • 最后是second sort(用户自定义,如果没有自定义则不执行)
  • 最后是reduce过程。 
面试系列:深入理解hadoop架构体系

setCombinerClass的作用:

  • 在map端先进行一部分reduce工作,主要优点是减少shuffle成本;但也有一定的局限性,仅仅适用于reduce的输入和输出数据类型相同时;

简单介绍Federation架构:

  • Federation架构通过多个独立的NameNode实现集群的横向扩展,主要解决了HDFS的吞吐量及承载量受限于单个nameNode,并且无法根据namespace做隔离的弊端。

在存储层,各个nameNode共用统一的DataNode

【编辑推荐】

  1. 简述Hadoop之后大数据的未来在谁的身上
  2. 学Hadoop你必须要知道的
  3. 大数据需求使用的六个Hadoop发行版
  4. Hadoop发生了什么?我们该如何做?
  5. Hadoop 之 NameNode 元数据原理
【责任编辑:未丽燕 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

用Python玩转excel

用Python玩转excel

让重复操作傻瓜化
共3章 | DE8UG

187人订阅学习

AI入门级算法

AI入门级算法

算法常识
共22章 | 周萝卜123

164人订阅学习

这就是5G

这就是5G

5G那些事儿
共15章 | armmay

132人订阅学习

读 书 +更多

勇敢者的新世界

这是一个最坏的年代,J2EE Web开发技术已经迟滞多年;这是一个最好的年代,J2EE Web开发技术的新变革留给勇于创新的人! 采用Apusic Opera...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO官微