大数据面试题—6

3.14
1、一个Hadoop环境，整合了HBase和Hive，是否有必要给HDFS和Hbase都分别配置压缩策略？请给出对压缩策略的建议。
hdfs在存储的时候不会将数据进行压缩，如果想进行压缩，我们可以在向hdfs上传数据的时候进行压缩。
1）、  采用压缩流

2）、  采用序列化文件

hbase为列存数据库，本身存在压缩机制，所以无需设计。

 

3、简述Hbase性能优化的思路

1）、  在库表设计的时候，尽量考虑rowkey和columnfamily的特性
2）、  进行hbase集群的调优：见hbase调优

4、简述Hbase filter的实现原理是什么？结合实际项目经验，写出几个使用filter的场景。

hbase的filter是通过scan设置的，所以是基于scan的查询结果进行过滤。
1）、在进行订单开发的时候，我们使用rowkeyfilter过滤出某个用户的所有订单
2）、在进行云笔记开发时，我们使用rowkey过滤器进行redis数据的恢复。

5、ROWKEY的后缀匹配怎么实现？例如ROWKEY是yyyyMMDD-UserID形式，如果要以UserID为条件查询数据，怎样实现。
使用rowkey过滤器实现
6、简述Hive中的虚拟列作用是什么，使用它的注意事项。
Hive提供了三个虚拟列：
INPUT__FILE__NAME
BLOCK__OFFSET__INSIDE__FILE
ROW__OFFSET__INSIDE__BLOCK
但ROW__OFFSET__INSIDE__BLOCK默认是不可用的，需要设置hive.exec.rowoffset为true才可以。可以用来排查有问题的输入数据。
INPUT__FILE__NAME, mapper任务的输出文件名。
BLOCK__OFFSET__INSIDE__FILE, 当前全局文件的偏移量。对于块压缩文件，就是当前块的文件偏移量，即当前块的第一个字节在文件中的偏移量。
hive> SELECT INPUT__FILE__NAME, BLOCK__OFFSET__INSIDE__FILE, line
> FROM hive_text WHERE line LIKE '%hive%' LIMIT 2;
har://file/user/hive/warehouse/hive_text/folder=docs/
data.har/user/hive/warehouse/hive_text/folder=docs/README.txt  2243
har://file/user/hive/warehouse/hive_text/folder=docs/
data.har/user/hive/warehouse/hive_text/folder=docs/README.txt  3646
7、如果要存储海量的小文件（大小都是几百K~几M），请简述自己的设计方案。
1）、将小文件打成har文件存储
2）、将小文件序列化到hdfs中
8、有两个文本文件，文件中的数据按行存放，请编写MapReduce程序，找到两个文件中彼此不相同的行。
写个mapreduce链  用依赖关系，一共三个mapreduce，第一个处理第一个文件，第二个处理第二个文件，第三个处理前两个的输出结果，
第一个mapreduce将文件去重，第二个mapreduce也将文件去重，第三个做wordcount，wordcount为1的结果就是不同的。

4.   共同朋友

mapred找共同朋友，数据格式如下
usr:friend,friend,friend...
---------------
A:B,C,D,E,F
B:A,C,D,E
C:A,B,E
D:A,B,E
E:A,B,C,D
F:A
第一个字母表示本人，其他是他的朋友，找出共同朋友的人，和共同朋友是谁。
思路：例如A，他的朋友是B\C\D\E\F\，那么BC的共同朋友就是A。所以将BC作为key，将A作为value，在map端输出即可！其他的朋友循环处理。代码如下：

1. import java.io.IOException;  
2. import java.util.Set;  
3. import java.util.StringTokenizer;  
4. import java.util.TreeSet;  
5. import org.apache.hadoop.conf.Configuration;  
6. import org.apache.hadoop.fs.Path;  
7. import org.apache.hadoop.io.Text;  
8. import org.apache.hadoop.mapreduce.Job;  
9. import org.apache.hadoop.mapreduce.Mapper;  
10. import org.apache.hadoop.mapreduce.Reducer;  
11. import org.apache.hadoop.mapreduce.Mapper.Context;  
12. import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;  
13. import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;  
14. import org.apache.hadoop.util.GenericOptionsParser;  
15.    
16. public class FindFriend {     
17.    
18.     public static class ChangeMapper extends Mapper{                        
19.         @Override  
20.         public void map(Object key, Text value, Context context) throws IOException, InterruptedException {  
21.             StringTokenizer itr = new StringTokenizer(value.toString());  
22.             Text owner = new Text();  
23.             Set set = new TreeSet();  
24.             owner.set(itr.nextToken());  
25.             while (itr.hasMoreTokens()) {  
26.                 set.add(itr.nextToken());  
27.             }               
28.             String[] friends = new String[set.size()];  
29.             friends = set.toArray(friends);   
30.             for(int i=0;i
31.                 for(int j=i+1;j
32.                     String outputkey = friends[i]+friends[j];          
33.                     context.write(new Text(outputkey),owner);  
34.                 }                                       
35.             }  
36.         }  
37.     }              
38.    
39.     public static class FindReducer extends Reducer{                            
40.         public void reduce(Text key, Iterable values, Context context) throws IOException,InterruptedException {  
41.             String  commonfriends ="";   
42.             for (Text val : values) {  
43.                 if(commonfriends == ""){  
44.                     commonfriends = val.toString();  
45.                 }else{  
46.                     commonfriends = commonfriends+":"+val.toString();  
47.                 }  
48.             }  
49.             context.write(key, new Text(commonfriends));   
50.         }                             
51.     }  
52.    
53.     public static void main(String[] args) throws IOException,InterruptedException, ClassNotFoundException{               
54.         Configuration conf = new Configuration();  
55.         String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();  
56.         if (otherArgs.length < 2) {  
57.             System.err.println("args error");  
58.             System.exit(2);  
59.         }  
60.         Job job = new Job(conf, "word count");  
61.         job.setJarByClass(FindFriend.class);  
62.         job.setMapperClass(ChangeMapper.class);  
63.         job.setCombinerClass(FindReducer.class);  
64.         job.setReducerClass(FindReducer.class);  
65.         job.setOutputKeyClass(Text.class);  
66.         job.setOutputValueClass(Text.class);  
67.         for (int i = 0; i < otherArgs.length - 1; ++i) {  
68.             FileInputFormat.addInputPath(job, new Path(otherArgs[i]));  
69.         }  
70.         FileOutputFormat.setOutputPath(job,new Path(otherArgs[otherArgs.length - 1]));  
71.         System.exit(job.waitForCompletion(true) ? 0 : 1);                  
72.     }  
73. } 
74. 
75.