第十九次早课

第十九次早课:

1、hadoop三大组件
NameNode、DataNode、Secondary NameNode
2、我们选择了哪种部署模式
伪分布式
3、hdfs的启动进程顺序
NN、DN、SNN
4、NN节点要不要格式化后再启动?
需要
5、hadoop官网地址?
http://hadoop.apache.org/
6、想想官网的文档,配置文件在哪?
http://hadoop.apache.org/docs/r2.8.3/hadoop-project-dist/hadoop-common/core-default.xml
7、hadoop解压后,bin 、sbin分别做什么?
bin:操作命令
sbin:启动命令
8、NN是存储什么?
NameNode存储:文件系统的命名空间
    a.文件名称
    b.文件目录结构
    c.文件的属性【权限,创建时间,副本数】
    d.文件对应哪些数据块 -->数据块对应哪些DataNode节点
        【blockmap当然NameNode节点不会持久的存储这种映3射关系,是通过集群在启动和运行时,DataNode定期发送blockReport给NameNode,以此NameNode在内存中来动态维护的这种映射关系】
9、NN有两种文件,是什么?
fsimage:文件元信息
editlog:命名空间
10、DN是存储什么?
DN存储的是:数据块和数据块校验和
11、SNN是干什么的?默认多久一次?
SNN作用:定期合并fsimage+editlog文件为新的fsimage推送给NameNode。俗称检查点动作checkpoint
默认是3600s
12、hdfs、yarn都属于什么架构设计?
主从架构
13、块的放置策略,假如本节点是DN节点,那么第一个副本放哪?为什么?
放在本节点上,节约读取时间
14、hdfs读流程是output还是input?
input
15、hdfs的文件系统命令有哪两组?
hadoop fs
hdfs dfs
16、hdfs读写流程?
HDFS读流程:
1.Client通过FileSy.open(filePath)方法,去与NameNode进行RPC通信,返回该文件的部分或全部的block列表(也包含该列表个block的分布与DataNode地址的列表),也就是返回FSDataInputStream对象。
2.Client调用FSDataInputStream对象的read()方法。
    a.去与第一块的最近的DataNode进行read,读取完后,会check,假如successful,会关闭与当前DataNode通信;(假如check fail,会记录失败的块+DataNode信息,下次就不会读取,那么会去该块的第二个DataNode地址读取)
    b.然后去第二个块的最近的DataNode上的进行读取,check后,会关闭与此DataNode的通信。
    c.假如block列表读取完了,文件还未结束,那么FileSystem会从NameNode获取下一批的block的列表。(当然读操作对于Client端是透明的,感觉就是连续的数据流)
3.Client调用FSDataInputStream.close()方法,关闭输入流。
HDFS写流程:
    1.Client调用FileSystem.create(filePath)方法,去与NameNode进行RPC通信,check该路径的文件是否存在以及有没有权限创建该文件,假如ok,就创建一个新文件,但是并不关联任何block,返回一个FSDataOutputStream对象;(假如not ok,就返回错误信息,所以写代码要try-catch)
    2.Client调用FSDataOutputStream对象的write()方法,会将第一块写入第一个DataNode,第一个DataNode写完传给第二节点,第二个写完传输给第二个节点,第二个写完传给第三节点,当第三个节点写完返回一个ack packet给第二个节点,第二个返回一个ack packet给第一个节点,第一个节点返回一个ack packet给FSDataOutputStream对象,意思标识第一个块写完,副本数为3,然后剩余的块依次这样写;(当然写操作对于Client端也是透明的)
    3.当向文件写入数据完成后,Client调用FSDataOutputStream.close()方法,关闭输出流,flush缓存区的数据包。
    4.再调用FileSystem.complete()方法,告诉NameNode节点写入成功。
17、yarn启动哪两个进程?
NM和RM
18、那么task运行在rm节点上吗?
运行在nm的容器中
19、什么叫容器?简述
是Yarn中的资源抽象,它封装了某个节点上的多维度资源,如内存、CPU、磁盘、网络等,当AM向RM申请资源时,RM为AM返回的资源便是用Container表示的。YARN会为每个任务分配一个Container且该任务只能使用该Container中描述的资源。
20、想想memory调优的参数
yarn.nodemanager.resource.memory-mb
表示该节点上YARN可使用的物理内存总量,默认是8192(MB),注意,如果你的节点内存资源不够8GB,则需要调减小这个值,而YARN不会智能的探测节点的物理内存总量。
yarn.nodemanager.vmem-pmem-ratio
任务每使用1MB物理内存,最多可使用虚拟内存量,默认是2.1。
yarn.nodemanager.pmem-check-enabled
是否启动一个线程检查每个任务正使用的物理内存量,如果任务超出分配值,则直接将其杀掉,默认是true。
yarn.nodemanager.vmem-check-enabled
是否启动一个线程检查每个任务正使用的虚拟内存量,如果任务超出分配值,则直接将其杀掉,默认是true。
yarn.scheduler.minimum-allocation-mb
单个任务课申请的最少物理内存量,默认是1024(MB),如果一个任务申请的物理内存量少于该值,则该对应的值改为这个数。
yarn.schduler.maximum-allocation-mb
单个任务可申请的最多物理内存量,默认是8192(MB)。
21、yarn中使用是core还是vcore
vcore
22、一般默认一个core划分几个vcore?
一般默认一个core划分为2个vcore
23、yarn的架构设计 简述
1.用户向YARN中提交应用程序,其中包括ApplicationMaster程序、启动ApplicationMaster的命令、用户程序等。
2.ResourceManager为该应用程序分配第一个Container,并与对应的Node-Manager通信,要求它在这个Container中启动应用程序的ApplicationMaster。
3.ApplicationMaster首先向ResourceManager注册,这样用户可以直接通过ResourceManager查看应用程序的运行状态,然后它将为各个任务申请资源,并监控它的运行状态,直到运行结束,即重复步骤4~7.
4.ApplicationMaster采用轮询的方式通过RPC协议向ResourceManager申请和领取资源。
5.一旦ApplicationMaster申请到资源后,便与对应的NodeManager通信,要求它启动任务。
6.NodeManager为任务设置好运行环境(包括环境变量、JAR包、二进制程序等)后,将任务启动命令写到一个脚本中,并通过运行脚本启动任务。
7.各个任务通过某个RPC协议向ApplicationMaster汇报自己的状态和进度,以让ApplicationMaster随时掌握各个任务的运行状态,从而可以在任务失败时重新启动任务。在应用程序运行过程中,用户可随时通过RPC向ApplicationMaster查询应用程序的当前运行状态。
8.应用程序运行完成后,ApplicationMaster向ResourceManager注销并关闭自己。
24、mapreduce的 shuffle,简述对这个的理解
shuffle的意思是洗牌,是在Map和Reduce中间进行的。

你可能感兴趣的:(第十九次早课)