hadoop面试题总结2

1 使用Hive或者自定义MR实现如下逻辑

product_no      lac_id  moment  start_time      user_id county_id       staytime        city_id

13429100031     22554   8       2013-03-11 08:55:19.151754088   571     571     282     571

13429100082     22540   8       2013-03-11 08:58:20.152622488   571     571     270     571

13429100082     22691   8       2013-03-11 08:56:37.149593624   571     571     103     571

13429100087     22705   8       2013-03-11 08:56:51.139539816   571     571     220     571

13429100087     22540   8       2013-03-11 08:55:45.150276800   571     571     66      571

13429100082     22540   8       2013-03-11 08:55:38.140225200   571     571     133     571

13429100140     26642   9       2013-03-11 09:02:19.151754088   571     571     18      571

13429100082     22691   8       2013-03-11 08:57:32.151754088   571     571     287     571

13429100189     22558   8       2013-03-11 08:56:24.139539816   571     571     48      571

13429100349     22503   8       2013-03-11 08:54:30.152622440   571     571     211     571

字段解释：

product_no：用户手机号；

lac_id：用户所在基站；

start_time：用户在此基站的开始时间；

staytime：用户在此基站的逗留时间。

需求描述：

根据lac_id和start_time知道用户当时的位置，根据staytime知道用户各个基站的逗留时长。根据轨迹合并连续基站的staytime。

最终得到每一个用户按时间排序在每一个基站驻留时长

期望输出举例：

13429100082     22540   8       2013-03-11 08:58:20.152622488   571     571     270     571

13429100082     22691   8       2013-03-11 08:56:37.149593624   571     571     390     571

13429100082     22540   8       2013-03-11 08:55:38.140225200   571     571     133     571

13429100087     22705   8       2013-03-11 08:56:51.139539816   571     571     220     571

13429100087     22540   8       2013-03-11 08:55:45.150276800   571     571     66      571

2 Linux脚本能力考察

2.1 请随意使用各种类型的脚本语言实现：批量将指定目录下的所有文件中的$HADOOP_HOME$替换成/home/ocetl/app/hadoop

2.2 假设有10台主机，H1到H10，在开启SSH互信的情况下，编写一个或多个脚本实现在所有的远程主机上执行脚本的功能

例如：runRemoteCmd.sh "ls -l"

期望结果：

H1:

XXXXXXXX

XXXXXXXX

XXXXXXXX

H2:

XXXXXXXX

XXXXXXXX

XXXXXXXX

H3:

...

3 Hadoop基础知识与问题分析的能力

3.1 描述一下hadoop中，有哪些地方使用了缓存机制，作用分别是什么

3.2 请描述https://issues.apache.org/jira/browse/HDFS-2379说的是什么问题，最终解决的思路是什么？

4 MapReduce开发能力

请参照wordcount实现一个自己的map reduce，需求为：

   a 输入文件格式：

      xxx,xxx,xxx,xxx,xxx,xxx,xxx

   b 输出文件格式：

      xxx,20

      xxx,30

      xxx.40

   c 功能：根据命令行参数统计输入文件中指定关键字出现的次数，并展示出来

      例如：hadoop jar xxxxx.jar keywordcount xxx,xxx,xxx,xxx(四个关键字）

5 MapReduce优化

请根据第五题中的程序, 提出如何优化MR程序运行速度的思路

6 Linux操作系统知识考察

请列举曾经修改过的/etc下的配置文件，并说明修改要解决的问题？

7 Java开发能力

7.1 写代码实现1G大小的文本文件，行分隔符为\x01\x02,统计一下该文件中的总行数，要求注意边界情况的处理

7.2 请描述一下在开发中如何对上面的程序进行性能分析，对性能进行优化的过程

答案如下：

1. 考虑后，决定使用 MR 来实现，于是使用Java，用一个MR Job完成这个事情：

1. package org.aboutyun;
   
2. 
   
3. import org.apache.commons.lang.StringUtils;
   
4. import org.apache.hadoop.conf.Configuration;
   
5. import org.apache.hadoop.fs.Path;
   
6. import org.apache.hadoop.io.LongWritable;
   
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.lib.input.FileInputFormat;
    
12. import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
    
13. import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
    
14. import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
    
15. 
    
16. import java.io.IOException;
    
17. import java.text.ParseException;
    
18. import java.text.SimpleDateFormat;
    
19. import java.util.ArrayList;
    
20. import java.util.Collections;
    
21. import java.util.Comparator;
    
22. 
    
23. public class TimeCount {
    
24.     public static void main(String[] args) throws Exception {
    
25.         Configuration conf = new Configuration();
    
26. 
    
27.         Job job = new Job(conf, "time_count");
    
28. 
    
29.         job.setOutputKeyClass(Text.class);
    
30.         job.setOutputValueClass(Text.class);
    
31. 
    
32.         job.setMapperClass(Map.class);
    
33.         job.setReducerClass(Reduce.class);
    
34. 
    
35.         job.setInputFormatClass(TextInputFormat.class);
    
36.         job.setOutputFormatClass(TextOutputFormat.class);
    
37. 
    
38.         FileInputFormat.addInputPath(job, new Path(args[0]));
    
39.         FileOutputFormat.setOutputPath(job, new Path(args[1]));
    
40. 
    
41.         job.waitForCompletion(true);
    
42.     }
    
43. 
    
44.     public static class Map extends Mapper<LongWritable, Text, Text, Text> {
    
45.         private Text id = new Text();
    
46.         private Text row = new Text();
    
47. 
    
48.         public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
    
49.             String line = value.toString();
    
50.             String[] items = line.split("\t");
    
51. 
    
52.             if (items.length == 8) {
    
53.                 if (StringUtils.isNumeric(items[6])) {
    
54.                     id.set(items[0] + "\t" + items[1]);
    
55.                     row.set(line);
    
56.                     context.write(id, row);
    
57.                 }
    
58.             } else {
    
59.                 System.out.println("Wrong length: " + items.length);
    
60.             }
    
61.         }
    
62.     }
    
63. 
    
64.     public static class Reduce extends Reducer<Text, Text, Text, Text> {
    
65.         private static final SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
    
66. 
    
67.         static {
    
68.             format.setLenient(false);
    
69.         }
    
70. 
    
71.         private Text rest = new Text();
    
72. 
    
73.         public void reduce(Text key, Iterable<Text> values, Context context)
    
74.                 throws IOException, InterruptedException {
    
75.             //  Parse row to Record
    
76.             ArrayList<Record> list = new ArrayList<Record>();
    
77.             for (Text row : values) {
    
78.                 String[] items = row.toString().split("\t");
    
79.                 try {
    
80.                     Record record = new Record();
    
81.                     record.items = items;
    
82.                     record.start_time = format.parse(items[3]).getTime();
    
83.                     record.stay_time = Long.parseLong(items[6]) * 1000;
    
84.                     list.add(record);
    
85.                 } catch (ParseException e) {
    
86.                     e.printStackTrace();
    
87.                 }
    
88. 
    
89.             }
    
90. 
    
91.             //  Sort
    
92.             Collections.sort(list, new Comparator<Record>() {
    
93.                 @Override
    
94.                 public int compare(Record r1, Record r2) {
    
95.                     return (int) (r1.start_time - r2.start_time);
    
96.                 }
    
97.             });
    
98. 
    
99.             //  Find and merge slice
    
100.             ArrayList<Record> result = new ArrayList<Record>();
     
101.             for (Record r1 : list) {
     
102.                 boolean found = false;
     
103.                 long r1_stop_time = r1.start_time + r1.stay_time;
     
104.                 for (Record r2 : result) {
     
105.                     long r2_stop_time = r2.start_time + r2.stay_time;
     
106.                     if (r1.start_time > r2.start_time && r1.start_time <= r2_stop_time && r1_stop_time > r2_stop_time) {
     
107.                         //  merge the new slice
     
108.                         r2.stay_time = r1_stop_time - r2.start_time;
     
109.                         found = true;
     
110.                     }
     
111.                 }
     
112. 
     
113.                 if (!found) {
     
114.                     result.add(r1);
     
115.                 }
     
116.             }
     
117. 
     
118.             //  Output
     
119.             for (Record r : result) {
     
120.                 key.set(r.items[0]);
     
121. 
     
122.                 String value = r.items[1] + "\t"
     
123.                         + r.items[2] + "\t"
     
124.                         + r.items[3] + "\t"
     
125.                         + r.items[4] + "\t"
     
126.                         + r.items[5] + "\t"
     
127.                         + (r.stay_time / 1000) + "\t"
     
128.                         + r.items[6] + "\t";
     
129.                 rest.set(value);
     
130. 
     
131.                 context.write(key, rest);
     
132.             }
     
133. 
     
134.         }
     
135. 
     
136.         static class Record {
     
137.             String[] items;
     
138.             long start_time;
     
139.             long stay_time;
     
140.         }
     
141.     }
     
142. }

复制代码

2.

2.1 使用 find + sed 来实现：
find /home/ocetl/app/hadoop -exec sed -i 's/\$HADOOP_HOME\$/\/home\/ocetl\/app\/hadoop/g' {} \;
2.2 直接使用ssh的参数

1. #!/bin/bash
   
2. if [ $# -ne 1 ]
   
3. then
   
4.         echo "Usage: `basename $0` {command}"
   
5.         exit
   
6. fi
   
7. 
   
8. for i in H1 H2 H3 H4 H5 H6 H7 H8 H9 H10
   
9. do
   
10.         echo "$i:"
    
11.         ssh $i "$1"
    
12. done

复制代码

3.
3.1 不了解，HDFS用了缓存
3.2 问题是当硬盘空间很大，而内存页面缓存很少的时候，DN的Block report需要很长时间生成，而此时 FSVolumeSet 锁是锁住的，因此所有读写操作都无法执行，最终导致那些操作超时。此问题是建议提供一种方法使block report不需要持有FSVolumeSet锁，从而不会导致那些任务失败。

4. 只是替换分隔符从空格到逗号，以及增加搜索关键字列表：

1. import org.apache.hadoop.conf.Configuration;
   
2. import org.apache.hadoop.fs.Path;
   
3. import org.apache.hadoop.io.IntWritable;
   
4. import org.apache.hadoop.io.LongWritable;
   
5. import org.apache.hadoop.io.Text;
   
6. import org.apache.hadoop.mapreduce.Job;
   
7. import org.apache.hadoop.mapreduce.Mapper;
   
8. import org.apache.hadoop.mapreduce.Reducer;
   
9. import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
   
10. import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
    
11. import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
    
12. import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
    
13. 
    
14. import java.io.IOException;
    
15. import java.util.ArrayList;
    
16. 
    
17. public class WordCount {
    
18. 
    
19.     public static class Map extends Mapper<LongWritable, Text, Text, IntWritable> {
    
20.         private final static IntWritable one = new IntWritable(1);
    
21.         private Text word = new Text();
    
22.         private final static ArrayList<String> target_words = new ArrayList<String>();
    
23. 
    
24.         public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
    
25.             String[] items = value.toString().toLowerCase().replaceAll("\\p{Punct}", "").split("\\s+");
    
26.             for (String item : items) {
    
27.                 if (target_words.contains(item)) {
    
28.                     word.set(item);
    
29.                     context.write(word, one);
    
30.                 }
    
31.             }
    
32.         }
    
33. 
    
34.         public static void clear() {
    
35.             target_words.clear();
    
36.         }
    
37. 
    
38.         public static void add(String word) {
    
39.             target_words.add(word);
    
40.         }
    
41.     }
    
42. 
    
43.     public static class Reduce extends Reducer<Text, IntWritable, Text, IntWritable> {
    
44. 
    
45.         public void reduce(Text key, Iterable<IntWritable> values, Context context)
    
46.                 throws IOException, InterruptedException {
    
47.             int sum = 0;
    
48.             for (IntWritable val : values) {
    
49.                 sum += val.get();
    
50.             }
    
51.             context.write(key, new IntWritable(sum));
    
52.         }
    
53.     }
    
54. 
    
55.     public static void main(String[] args) throws Exception {
    
56.         Configuration conf = new Configuration();
    
57. 
    
58.         if (args.length < 3) {
    
59.             System.out.println("Usage: wordcount <input_path> <output_path> <keyword_list>");
    
60.             return;
    
61.         }
    
62. 
    
63.         //  Add to target
    
64.         String[] target_words = args[2].split(",");
    
65.         for (String word : target_words) {
    
66.             Map.add(word.toLowerCase());
    
67.         }
    
68. 
    
69.         Job job = new Job(conf, "wordcount");
    
70. 
    
71.         job.setOutputKeyClass(Text.class);
    
72.         job.setOutputValueClass(IntWritable.class);
    
73. 
    
74.         job.setMapperClass(Map.class);
    
75.         job.setReducerClass(Reduce.class);
    
76. 
    
77.         job.setInputFormatClass(TextInputFormat.class);
    
78.         job.setOutputFormatClass(TextOutputFormat.class);
    
79. 
    
80.         FileInputFormat.addInputPath(job, new Path(args[0]));
    
81.         FileOutputFormat.setOutputPath(job, new Path(args[1]));
    
82. 
    
83.         job.waitForCompletion(true);
    
84.     }
    
85. 
    
86. }

复制代码

5. 第五题的程序是什么？

6.
        hosts：增加局域网主机名和ip对应关系，省得再记住ip;
        hostname：该主机名，克隆虚拟机的时候经常需要这么做；
        fstab：修改挂载点，加新硬盘的时候会需要；
        profile, bash.bashrc: 修改系统范围环境变量时经常用；
        network/interfaces：配置静态IP时需要。

7
7.1

1. package org.aboutyun;
   
2. 
   
3. import java.io.BufferedReader;
   
4. import java.io.FileNotFoundException;
   
5. import java.io.FileReader;
   
6. import java.io.IOException;
   
7. 
   
8. public class LineCounter {
   
9.     public static void main(String[] args) {
   
10.         try {
    
11.             BufferedReader reader = new BufferedReader(new FileReader(args[0]));
    
12.             char[] buffer = new char[4096];
    
13.             int count;
    
14.             char last = 0;
    
15.             long line_count = 0;
    
16.             while((count = reader.read(buffer)) >= 0) {
    
17.                 if (count > 0 && line_count == 0) {
    
18.                     //  has something in file, so at least 1 line.
    
19.                     line_count = 1;
    
20.                 }
    
21. 
    
22.                 for (int i = 0; i < count ; ++i) {
    
23.                     char c = buffer[i];
    
24.                     if (c == 0x02) {
    
25.                         if (i == 0 && last == 0x01) {
    
26.                             //  buffer split the 0x01,0x02
    
27.                             ++line_count;
    
28.                         } else if (buffer[i-1] == 0x01) {
    
29.                             //  normal one
    
30.                             ++line_count;
    
31.                         }
    
32.                     }
    
33.                 }
    
34. 
    
35.                 //  keep the last one
    
36.                 last = buffer[count-1];
    
37.             }
    
38. 
    
39.             System.out.println(line_count);
    
40.         } catch (FileNotFoundException e) {
    
41.             e.printStackTrace();
    
42.         } catch (IOException e) {
    
43.             e.printStackTrace();
    
44.         }
    
45.     }
    
46. }

复制代码

7.2 可以使用Profiler来对性能进行评估分析，比如Eclipse的TPTP，或者JProfiler。可以观察不同函数调用次数和以及占用时间，从而减少调用次数，以及优化函数内部。

原文地址： http://www.aboutyun.com/thread-5241-1-1.html