hadoop面试题(20页).doc

《hadoop面试题(20页).doc》由会员分享，可在线阅读，更多相关《hadoop面试题(20页).doc（20页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、-hadoop面试题-第 20 页Hadoop就业面试宝典1.0 简要描述如何安装配置apache的一个开源hadoop，只描述即可，无需列出具体步骤，列出具体步骤更好。答：第一题：1使用root账户登录2 修改IP3 修改host主机名4 配置SSH免密码登录5 关闭防火墙6 安装JDK6 解压hadoop安装包8 配置hadoop环境变量9 格式化 hadoop namenode-format2.0 请；列出正常的hadoop集群中hadoop都分别需要启动 哪些进程，他们的作用分别都是什么，请尽量列的详细一些。答：namenode：管理集群，存储数据的原信息，并管理记录datanode中

2、的文件信息。 Secondname:可以做冷备，对一定范围内数据做快照性备份。Datanode:存储数据Jobtracker :管理任务，并将任务分配给 tasktracker。Tasktracker: 执行JobTracker分配的任务。3.0请写出以下的shell命令 （1）杀死一个job（2）删除hdfs上的 /tmp/aaa目录（3） 加入一个新的存储节点和删除一个节点需要执行的命令答：（1）hadoop job list 得到job的id，然后执行 hadoop job -kill jobId就可以杀死一个指定jobId的job工作了。（2）hadoop fs -rmr /tmp/a

3、aa(3) 增加一个新的节点在新的几点上执行 Hadoop daemon.sh start datanode Hadooop daemon.sh start tasktracker然后在主节点中执行 hadoop dfsadmin -refreshnodes删除一个节点的时候，只需要在主节点执行 hadoop mradmin -refreshnodes4.0 请列出你所知道的hadoop调度器，并简要说明其工作方法答：Fifo schedular :默认，先进先出的原则Capacity schedular :计算能力调度器，选择占用最小、优先级高的先执行，依此类推。Fair schedular

4、:公平调度，所有的 job 具有相同的资源。5.0 请列出你在工作中使用过的开发mapreduce的语言答：java，hive6.0 当前日志采样格式为 a , b , c , d b , b , f , e a , a , c , f 请你用最熟悉的语言编写mapreduce，计算第四列每个元素出现的个数Static final String 答：public class WordCount1 public static final String INPUT_PATH = hdfs:/hadoop0:9000/in;public static final String OUT_PATH =

5、hdfs:/hadoop0:9000/out;public static void main(String args) throws Exception Configuration conf = new Configuration();FileSystem fileSystem = FileSystem.get(conf);if(fileSystem.exists(new Path(OUT_PATH)fileSystem.delete(new Path(OUT_PATH),true);Job job = new Job(conf,WordCount1.class.getSimpleName()

6、;/1.0读取文件，解析成key,value对FileInputFormat.setInputPaths(job,new Path(INPUT_PATH);/2.0写上自己的逻辑，对输入的可以，value进行处理，转换成新的key,value对进行输出job.setMapperClass(MyMapper.class);job.setMapOutputKeyClass(Text.class);lass);/4.0对分区后的数据进行排序，分组，相同key的value放到一个集合中/7.0 写上自己的reduce函数逻辑，对map输出的数据进行处理job.setReducerClass(MyRed

7、ucer.class);job.setOutputKeyClass(Text.class);ass(LongWritable.class);FileOutputFormat.setOutputPath(job, new Path(OUT_PATH);job.waitForCompletion(true);static class MyMapper extends MapperOverrideprotected void map(LongWritable k1, Text v1,org.apache.hadoop.mapreduce.Mapper.Context context)throws I

8、OException, InterruptedException String split = v1.toString().split(t);for(String words :split)context.write(split3, 1);static class MyReducer extends Reducerprotected void reduce(Text k2, Iterable v2,org.apache.hadoop.mapreduce.Reducer.Context context)throws IOException, InterruptedException Long c

9、ount = 0L;for(LongWritable time : v2)count += time.get();context.write(v2, new LongWritable(count);7.0 你认为用java ， streaming ， pipe方式开发map/reduce ， 各有哪些优点就用过 java 和 hiveQL。Java 写 mapreduce 可以实现复杂的逻辑，如果需求简单，则显得繁琐。HiveQL 基本都是针对 hive 中的表数据进行编写，但对复杂的逻辑很难进行实现。写起来简单。8.0 hive有哪些方式保存元数据，各有哪些优点三种：内存数据库 derby，

10、挺小，不常用 。本地 mysql。常用远程端 mysql。不常用上网上找了下专业名称：single user mode.multi user mode.remote user mode9.0 请简述hadoop怎样实现二级排序第一种方法是，Reducer将给定key的所有值都缓存起来，然后对它们再做一个Reducer内排序。但是，由于Reducer需要保存给定key的所有值，可能会导致出现内存耗尽的错误。第二种方法是，将值的一部分或整个值加入原始key，生成一个合成key。这两种方法各有优势，第一种方法可能会更快一些(但有内存耗尽的危险)，第二种方法则是将排序的任务交给MapReduce框架，

11、更符合Hadoop/Reduce的设计思想。这篇文章里选择的是第二种。我们将编写一个Partitioner，确保拥有相同key(原始key，不包括添加的部分)的所有数据被发往同一个Reducer，还将编写一个Comparator，以便数据到达Reducer后即按原始key分组。利用dataJoin来实现mapreduce的jion问题。11.0 请用java实现非递归二分查询1. publicclassBinarySearchClass2. publicstaticintbinary_search(intarray,intvalue)3. intbeginIndex=0;/低位下标4. int

12、endIndex=array.length-1;/高位下标5. intmidIndex=-1;6. while(beginIndex=endIndex)7. midIndex=beginIndex+(endIndex-beginIndex)/2;/防止溢出8. if(value=arraymidIndex)9. returnmidIndex;10. elseif(valuearraymidIndex)11. endIndex=midIndex-1;12. else13. beginIndex=midIndex+1;14. return-1;15. /找到了，返回找到的数值的下标，没找到，返回-

13、116. /start提示：自动阅卷起始唯一标识，请勿删除或增加。17. publicstaticvoidmain(Stringargs)18. System.out.println(Start.);19. intmyArray=newint1,2,3,5,6,7,8,9;20. System.out.println(查找数字8的下标：);21. System.out.println(binary_search(myArray,8);22. /end/提示：自动阅卷结束唯一标识，请勿删除或增加。12.0 请简述mapreduce中的combine和partion的作用答：combiner是发生

14、在map的最后一个阶段，其原理也是一个小型的reducer，主要作用是减少输出到reduce的个数，减少reducer的输入，提高reducer的执行效率。Partion的主要作用就是指定输出到reduce的个数的。13.0 hive内部表和外部表的区别Hive 创建内部表时，会将数据移动到数据仓库指向的路径；若创建外部表，仅记录数据所在的路径，不对数据的位置做任何改变。在删除表的时候，内部表的元数据和数据会被一起删除，而外部表只删除元数据，不删除数据。这样外部表相对来说更加安全些，数据组织也更加灵活，方便共享源数据。14. Hbase的rowKey怎么创建比较好？列簇怎么创建比较好？答：ro

15、wKey最好要创建有规则的rowKey，即最好是有序的。HBase中一张表最好只创建一到两个列族比较好，因为HBase不能很好的处理多个列族。15. 用mapreduce怎么处理数据倾斜问题在mapreduce聚合key中所有values的时候，如果一个key对应了很多values，就会产生数据倾斜的问题。数据倾斜主要就是某个key下面对应的value太多，导致某个reduce节点执行的数据过多，然后产生某个或者某几个reduce节点的执行效率过低，导致整个集群中的任务执行效率较慢，可以使用partion对数据过多的节点进行再划分，划分成多个小的数据块，输入到reduce进行处理。16. ha

16、doop框架怎么来优化答：hadoop优化的范围太宽泛了，可以从某个方面具体来谈一谈，比如说HBase的rowKey和列族的创建的来进行数据存储的优化，可以从网络的拷贝对数据的优化，可以从mapreduce对数据的处理来谈优化，可以从参数方面来说优化等。17. hbase内部机制是什么答：内部机制更多的是借助nosql数据的关系模型，是建立的hdfs之上，提供高可靠性、高性能、列存储、可伸缩、实时读写的数据库系统。 18. 我们在开发分布式计算job的时候，是否可以去掉reduce阶段答：可以，例如我们的集群就是为了存储文件而设计的，不涉及到数据的计算，就可以将mapReduce都省掉。19

17、hdfs的数据压缩算法答：可以使用sequenceFile和mapFile来对小文件进行压缩，压缩成大文件，然后存储，减轻namenode的内存压力。20. mapreduce的调度模式答：公平调度模式和容量调度模式21. hive底层与数据库交互原理答：hive有一套自己的sql解析引擎，称为metastore，存储在mysql或者derby数据库中，可以将sql语句转化为mapreducejob任务执行。22. hbase过滤器实现原则答：过滤器必须实现HBase Jar包中的Filter接口，或者继承扩展一个实现了该接口的抽象类 23. reduce之后数据的输出量有多大24. 现场出问

18、题测试mapreduce掌握情况和hive的ql语言掌握情况答：在配置文件中设置文件副本数为1答：map阶段的最后一个过程。27. hdfs的体系结构答：HDFS采用了主从（Master/Slave）结构模型，一个HDFS集群是由一个NameNode和若干个DataNode组成的。其中NameNode作为主服务器，管理文件系统的命名空间和客户端对文件的访问操作；集群中的DataNode管理存储的数据 28. flush的过程答：flush是在内存的基础上进行的，首先写入文件的时候，会先将文件写到内存中，当内存写满的时候，就会清空缓存中的文件，然后一次性的将文件全部都写到硬盘中去保存。29. 什

19、么是队列答：队列就是一个先进先出的过程。30. List与set的区别答：List和Set都是接口。他们各自有自己的实现类，有无顺序的实现类，也有有顺序的实现类。最大的不同就是List是可以重复的。而Set是不能重复的。List适合经常追加数据，插入，删除数据。但随即取数效率比较低。Set适合经常地随即储存，插入，删除。但是在遍历时效率比较低。答：第一范式（）无重复的列第二范式（2NF）属性完全依赖于主键 消除部分子函数依赖第三范式（3NF）属性不依赖于其它非主属性 消除传递依赖32.三个datanode中当有一个datanode出现错误时会怎样？答：当有一个datanode出现错误的时候，n

20、amenode会将那个datanode上的数据拷贝到其他的节点去进行存储。33.sqoop在导入数据到mysql中，如何不重复导入数据，如果存在数据问题，sqoop如何处理？答：34.描述一下hadoop中，有哪些地方使用到了缓存机制，作用分别是什么？答：缓存机制就是DistributedCash，就是在job任务执行前，将需要的文件拷贝到Task机器上进行缓存，提高mapreduce的执行效率。答：(1.)设置合理的map和reduce的个数。(2. )避免出现数据倾斜(3. combine函数(4. 对数据进行压缩，避免大量的小文件36.请列举出曾经修改过的/etc/下面的文件，并说明修改

21、要解决什么问题？答：/etc/profile这个文件，主要是用来配置环境变量。让hadoop命令可以在任意目录下面执行。37.请描述一下开发过程中如何对上面的程序进行性能分析，对性能分析进行优化的过程。38. 现有 1 亿个整数均匀分布，如果要得到前 1K 个最大的数，求最优的算法。我先说下我的想法:分块，比如分 1W 块，每块 1W 个，然后分别找出每块最大值，从这最大的 1W 个值中找最大 1K 个，那么其他的 9K 个最大值所在的块即可扔掉，从剩下的最大的 1K 个值所在的块中找前 1K个即可。那么原问题的规模就缩小到了 1/10。问题：（1）这种分块方法的最优时间复杂度。（2）如何分块

22、达到最优。比如也可分 10W 块，每块 1000 个数。则问题规模可降到原来1/100。但事实上复杂度并没降低。答：主要分为八个步骤1.0读取文件，解析成key,value对6.0通过网络拷贝，将map输出的数据拷贝到reduce节点7.0自定义reduce函数，对map输入的key,value对进一步的处理40. combiner 和partion的作用答：combiner主要是用来减少输入到reduce阶段的数据Partion作用主要是对map处理的数据进行分区，可以解决数据倾斜的问题。41.用mapreduce实现sql语 select count (x) from a group by

23、 b;42.用mapreduce 如何实现两张表连接，有哪些方法。43.知道mapreduce 大致流程，map , shuffle , reduce44.搭建hadoop集群 ， master和slaves都运行哪些服务答：master主要是运行我们的主节点，slaves主要是运行我们的从节点。45. hadoop参数调优46. pig , latin , hive语法有什么不同答：47.描述Hbase，ZooKeeper搭建过程答：hadoop的主要核心是由两部分组成，HDFS和mapreduce，首先HDFS的原理就是分布式的文件存储系统，将一个大的文件，分割成多个小的文件，进行存储在多

24、台服务器上。Mapreduce的原理就是使用JobTracker和TaskTracker来进行作业的执行。Map就是将任务展开，reduce是汇总处理后的结果。答：mapreduce的原理就是将一个MapReduce框架由一个单独的master JobTracker和每个集群节点一个slave TaskTracker共同组成。master负责调度构成一个作业的所有任务，这些的slave上，master监控它们的执行，重新执行已经失败的任务。而slave仅负责执行由maste指派的任务。答：HDFS主要是一个分布式的文件存储系统，由namenode来接收用户的操作请求，然后根据文件大小，以及定义

25、的block块的大小，将大的文件切分成多个block块来进行保存51.举一个例子说明mapreduce是怎么运行的。答：使用JPS命令来查看各个节点运行的进程是否正常。53.mapreduce作业，不让reduce输出，用什么代替reduce的功能。答：hive最终都会转化为mapreduce的job来运行，要想hive调优，实际上就是mapreduce调优，可以有下面几个方面的调优。解决收据倾斜问题，减少job数量，设置合理的map和reduce个数，对小文件进行合并，优化时把我整体，单个task最优不如整体最优。按照一定规则分区。55. hive如何控制权限56.HBase写数据的原理是什

26、么？答：57.hive能像关系型数据库那样建多个库吗？答：当然能了。答：宕机分为HMaster宕机和HRegisoner宕机，如果是HRegisoner宕机，HMaster会将其所管理的region重新分布到其他活动的RegionServer上，由于数据和日志都持久在HDFS中，该操作不会导致数据丢失。所以数据的一致性和安全性是有保障的。如果是HMaster宕机，HMaster没有单点问题，HBase中可以启动多个HMaster，通过Zookeeper的Master Election机制保证总有一个Master运行。即ZooKeeper会保证总会有一个HMaster在对外提供服务。59.假设公

27、司要建一个数据中心，你会如何处理？60. 单项选择题 1. 下面哪个程序负责 HDFS 数据存储。 答案 Ca)NameNode b)Jobtracker c)Datanode d)secondaryNameNode e)tasktracker2. HDfS 中的 block 默认保存几份？ 答案 Aa)3 份 b)2 份 c)1 份 d)不确定3. 下列哪个程序通常与 NameNode 在一个节点启动？ 答案Ca)SecondaryNameNode b)DataNode c)TaskTracker d)Jobtracker4. Hadoop 作者答案Da)Martin Fowler b)Ke

28、nt Beck c)Doug cutting 5. HDFS 默认 Block Size 答案 Ba)32MB b)64MB c)128MB6. 下列哪项通常是集群的最主要瓶颈 答案D编者 QQ：104019525319a)CPU b)网络 c)磁盘 d)内存7. 关于 SecondaryNameNode 哪项是正确的？ 答案Ca)它是 NameNode 的热备 b)它对内存没有要求c)它的目的是帮助 NameNode 合并编辑日志，减少 NameNode 启动时间d)SecondaryNameNode 应与 NameNode 部署到一个节点多选题：8. 下列哪项可以作为集群的管理工具答案 A

29、BCDa)Puppet b)Pdsh c)Cloudera Manager d)Zookeeper9. 配置机架感知的下面哪项正确 答案 ABCa)如果一个机架出问题，不会影响数据读写b)写入数据的时候会写到不同机架的 DataNode 中c)MapReduce 会根据机架获取离自己比较近的网络数据10. Client 端上传文件的时候下列哪项正确 答案 ABCa)数据经过 NameNode 传递给 DataNodeb)Client 端将文件切分为 Block，依次上传c)Client 只上传数据到一台 DataNode，然后由 NameNode 负责 Block 复制工作11. 下列哪个是

30、Hadoop 运行的模式 答案 ABCa)单机版 b)伪分布式 c)分布式12. Cloudera 提供哪几种安装 CDH 的方法 答案 ABCDa)Cloudera manager b)Tar ball c)Yum d)Rpm判断题：13. Ganglia 不仅可以进行监控，也可以进行告警。（ ）14. Block Size 是不可以修改的。（ ）15. Nagios 不可以监控 Hadoop 集群，因为它不提供 Hadoop 支持。（ ）16. 如果 NameNode 意外终止， SecondaryNameNode 会接替它使集群继续工作。（ ）17. Cloudera CDH 是需要付费

31、使用的。（ ）18. Hadoop 是 Java 开发的，所以 MapReduce 只支持 Java 语言编写。（ ）19. Hadoop 支持数据的随机读写。（ ）20. NameNode 负责管理 metadata， client 端每次读写请求，它都会从磁盘中读取或则会写入 metadata 信息并反馈 client 端。（ ）21. NameNode 本地磁盘保存了 Block 的位置信息。（ ）22. DataNode 通过长连接与 NameNode 保持通信。（ ）23. Hadoop 自身具有严格的权限管理和安全措施保障集群正常运行。（ ）24. Slave 节点要存储数据，所以

32、它的磁盘越大越好。（ ）25. hadoop dfsadmin report 命令用于检测 HDFS 损坏块。（ ）26. Hadoop 默认调度器策略为 FIFO（ ）27. 集群内每个节点都应该配 RAID，这样避免单磁盘损坏，影响整个节点运行。（ ）28. 因为 HDFS 有多个副本，所以 NameNode 是不存在单点问题的。（ ）29. 每个 map 槽就是一个线程。（ ）30. Mapreduce 的 input split 就是一个 block。（ ）31. NameNode 的 Web UI 端口是 50030，它通过 jetty 启动的 Web 服务。（ ） 编者 QQ：10

33、401952532132. Hadoop 环境变量中的 HADOOP_HEAPSIZE 用于设置所有 Hadoop 守护线程的内存。它默认是 200 GB。（ ）33. DataNode 首次加入 cluster 的时候，如果 log 中报告不兼容文件版本，那需要NameNode执行“Hadoop namenode -format”操作格式化磁盘。（ ）全部都是错误滴61. 、 datanode 首次加入 cluster 的时候，如果 log 报告不兼容文件版本，那需要 namenode执行格式化操作，这样处理的原因是？答：62. 谈谈数据倾斜，如何发生的，并给出优化方案答：数据倾斜主要是因为

34、在集群中，某个map任务的key对应的value的值远远多于其他节点的key所应对的值，导致某个节点的mapreduce执行效率会比较慢，那么解决数据倾斜的最根本原因就是避免某个节点上执行任务的数据量过大，我们可以使用map阶段的partion对过大的数据块进行分区，将一个大的数据块分成多个小的文件，然后来执行mapreduce，这样就可以解决mapreduce的数据倾斜的问题了。63. 谈谈 hadoop1 和 hadoop2 的区别答：首先hadoop1的主要结构是由HDFS和mapreduce组成的，HDFS主要是用来存储数据，mapreduce主要是用来计算的，那么HDFS的数据是由n

35、amenode来存储元数据信息，datanode来存储数据的。Jobtracker接收用户的操作请求之后去分配资源执行task任务。在hadoop2中，首先避免了namenode单点故障的问题，使用两个namenode来组成namenode feduration的机构，两个namenode使用相同的命名空间，一个是standby状态，一个是active状态。用户访问的时候，访问standby状态，并且，使用journalnode来存储数据的原信息，一个namenode负责读取journalnode中的数据，一个namenode负责写入journalnode中的数据，这个平台组成了hadoop的

36、HA就是high availableAbility高可靠。然后在hadoop2中没有了jobtracker的概念了，统一的使用yarn平台来管理和调度资源，yarn平台是由resourceManager和NodeManager来共同组成的，ResourceManager来接收用户的操作请求之后，去NodeManager上面启动一个主线程负责资源分配的工作，然后分配好了资源之后告知ResourceManager，然后ResourceManager去对应的机器上面执行task任务。64. 说说值对象与引用对象的区别？65. 谈谈你对反射机制的理解及其用途？答：java中的反射，首先我们写好的类，经

37、过编译之后就编程了.class文件，我们可以获取这个类的.class文件，获取之后，再来操作这个类。这个就是java的反射机制。66. ArrayList、Vector、LinkedList 的区别及其优缺点？HashMap、HashTable 的区别及其优缺点？答：ArrayList 和Vector是采用数组方式存储数据， ，Vector由于使用了synchronized方法（线程安全）所以性能上比ArrayList要差，LinkedList使用双向链表实现存储，按序号索引数据需要进行向前或向后遍历，但是插入数据时只需要记录本项的前后项即可，所以插入数度较快！ HashMap和HashTab

38、le：Hashtable的方法是同步的，而HashMap的方法不是，Hashtable是基于陈旧的Dictionary类的，HashMap是Java 1.2引进的Map接口的一个实现。HashMap是一个线程不同步的，那么就意味着执行效率高，HashTable是一个线程同步的就意味着执行效率低，但是HashMap也可以将线程进行同步，这就意味着，我们以后再使用中，尽量使用HashMap这个类。67. 文件大小默认为 64M，改为 128M 有啥影响？答：更改文件的block块大小，需要根据我们的实际生产中来更改block的大小，如果block定义的太小，大的文件都会被切分成太多的小文件，减慢用

39、户上传效率，如果block定义的太大，那么太多的小文件可能都会存到一个block块中，虽然不浪费硬盘资源，可是还是会增加namenode的管理内存压力。68. NameNode 与 SecondaryNameNode 的区别与联系？答：secondaryNameNode更像是Namenode的一个冷备份，当namenode宕机之后，可以从SecondaryNamenode上面恢复部分数据。69. RPC 原理？答：1.调用客户端句柄；执行传送参数2.调用本地系统内核发送网络消息 3. 消息传送到远程主机4. 服务器句柄得到消息并取得参数 5. 执行远程过程 6. 执行的过程将结果返回服务器句柄

40、 7. 服务器句柄返回结果，调用远程系统内核 8. 消息传回本地主机 9. 客户句柄由内核接收消息 10. 客户接收句柄返回的数据70. 对 Hadoop 有没有调优经验，没有什么使用心得？（调优从参数调优讲起）Mapredure：mapred.map.tasks mapred.reduce.parallel.copies71. .MapReduce 出现单点负载多大，怎么负载平衡？（可以用 Partitioner）答：可以用partioner进行分区操作，将大数据分成多个小数据进行逐一处理。72以你的实际经验，说下怎样预防全表扫描答：1.应尽量避免在where 子句中对字段进行null 值判

41、断，否则将导致引擎放弃使用索引而进行全表扫描2.应尽量避免在 where 子句中使用!=或操作符，否则将引擎放弃使用索引而进行全表扫3.描应尽量避免在 where 子句中使用or 来连接条件，否则将导致引擎放弃使用索引而进行全表扫描4.in 和 not in，用具体的字段列表代替，不要返回用不到的任何字段。in 也要慎用，否则会导致全表扫描6.任何地方都不要使用select * from t 73. zookeeper 优点，用在什么场合答：74.Hive中的 metastore 用来做什么的？答：metastore是一套映射工具，将sql语句转换成对应的job任务去进行执行。75.把公钥都追

42、加到授权文件的命令？该命令是否在 root 用户下执行？答：不是。76. HadoopHA 集群中各个服务的启动和关闭的顺序？答：77. 在 hadoop 开发过程中使用过哪些算法？其应用场景是什么？答：排序分组。78. 在实际工作中使用过哪些集群的运维工具，请分别阐述期作用。答：ZooKeeper，以及shell79. 一台机器如何应对那么多的请求访问，高并发到底怎么实现，一个请求怎么产生的，在服务端怎么处理的，最后怎么返回给用户的，整个的环节操作系统是怎么控制的？80. java 是传值还是传址？答：引用传递。81. 问：你们的服务器有多少台？82. 问：你们服务器的内存多大？83. hb

43、ase 怎么预分区？84. hbase 怎么给 web 前台提供接口来访问（HTABLE 可以提供对 HBase的访问，但是怎么查询同一条记录的多个版本数据）？答：使用HTable来提供对HBase的访问，可以使用时间戳来记录一条数据的多个版本。85. .htable API 有没有线程安全问题，在程序中是单例还是多例？86. 你们的数据是用什么导入到数据库的？导入到什么数据库？处理之前的导入：通过 hadoop 命令导入到 hdfs 文件系统处理完成之后的导出：利用 hive 处理完成之后的数据，通过 sqoop 导出到 mysql 数据库中，以供报表层使用。87. 你们业务数据量多大？有多

44、少行数据？(面试了三家，都问这个问题)开发时使用的是部分数据，不是全量数据，有将近一亿行（8、9 千万，具体不详，一般开发中也没人会特别关心这个问题）88. 你们处理数据是直接读数据库的数据还是读文本数据？将日志数据导入到 hdfs 之后进行处理89. 你们写 hive 的 hql 语句，大概有多少条？不清楚，我自己写的时候也没有做过统计90. 你们提交的 job 任务大概有多少个？这些 job 执行完大概用多少时间？(面试了三家，都问这个问题)没统计过，加上测试的，会与很多91. hive 跟 hbase 的区别是？答：hive说白了就是一个简化的mapreduce，使用hive来写sql语句，然后92. 你在项目中主要的工作任务是？利用 hive 分析数据93. 你在项目中遇到了哪些难题，是怎么解决的？某些任务执行时间过长，且失败率过高，检查日志后发现没有执行完就失败，原因出在hadoop 的 job 的 timeout 过短（相