当前位置: 代码迷 >> 数据仓库 >> 科普文—常见的45个有关问题解答(数据挖掘之Hadoop)
  详细解决方案

科普文—常见的45个有关问题解答(数据挖掘之Hadoop)

热度:130   发布时间:2016-05-05 15:43:02.0
科普文—常见的45个问题解答(数据挖掘之Hadoop)

Hadoop科普文—常见的45个问题解答

?Hadoop
hadoop工作linux?

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?
?? ? ? ? dfs.name.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Namenode

14.??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。

27.??Masters由什么组成?
Masters同样是主机的列表组成,每台一行,用于说明第二Namenode服务器。

28.??hadoop-env.sh是用于做什么的?
hadoop-env.sh提供了Hadoop中. JAVA_HOME的运行环境。

29.??Master文件是否提供了多个入口?
是的你可以拥有多个Master文件接口。

30.??hadoop-env.sh文件当下的位置?
hadoop-env.sh现在位于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用来存储PID。

33.??hadoop-metrics.properties文件的作用是?
hadoop-metrics.properties被用做“Reporting”,控制Hadoop报告,初始状态是“not to report”。

34.??Hadoop需求什么样的网络?
Hadoop核心使用Shell(SSH)来驱动从节点上的服务器进程,并在主节点和从节点之间使用password-less SSH连接。

35.??全分布式环境下为什么需求password-less SSH?
这主要因为集群中通信过于频繁,Job Tracker需要尽可能快的给Task Tracker发布任务。

36.??这会导致安全问题吗?
完全不用担心。Hadoop集群是完全隔离的,通常情况下无法从互联网进行操作。与众不同的配置,因此我们完全不需要在意这种级别的安全漏洞,比如说通过互联网侵入等等。Hadoop为机器之间的连接提供了一个相对安全的方式。

37.??SSH工作的端口号是?
SSH工作的端口号是NO.22,当然可以通过它来配置,22是默认的端口号。

38.??SSH中的注意点还包括?
SSH只是个安全的shell通信,可以把它当做NO.22上的一种协议,只需要配置一个密码就可以安全的访问。

39.??为什么SSH本地主机需要密码?
在SSH中使用密码主要是增加安全性,在某些情况下也根本不会设置密码通信。

40.??如果在SSH中添加key,是否还需要设置密码?
是的,即使在SSH中添加了key,还是需要设置密码。

41.??假如Namenode中没有数据会怎么样?
没有数据的Namenode就不能称之为Namenode,通常情况下,Namenode肯定会有数据。

42.??当Job Tracker宕掉时,Namenode会发生什么?
当Job Tracker失败时,集群仍然可以正常工作,只要Namenode没问题。

43.??是客户端还是Namenode决定输入的分片?
这并不是客户端决定的,在配置文件中以及决定分片细则。

44.??是否可以自行搭建Hadoop集群?
是的,只要对Hadoop环境足够熟悉,你完全可以这么做。

45.??是否可以在Windows上运行Hadoop?



你最好不要这么做,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。因此,Windows绝对不是Hadoop的推荐系统。