Hadoop科普——常见的45个问题解答

　  看见一篇文章觉得很经典，值得分享。

     在工作生活中，有些问题非常简单，但往往搜索半天也找不到所需的答案，在Hadoop的学习与使用过程中同样如此。这里为大家分享Hadoop集群设置中经常出现的一些问题，：

　　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。