大数据复习练习

大数据复习练习题

填空题

(数据)过观察、实验或计算得出的结果。（消息）是较为宏观的概念，它是由数据的有序排列组合而成。
大数据的数据类型包括（结构化数据）和（非结构化数据），前者占10%左右，后者占90%左右。
HDFS伪分布式配置中属性dfs.replication的值应该设置为(1)
DFS的数据复制采用了（流水线复制）的策略
为了解决单点故障问题，HDFS2.0采用了（高可用）结构。
Base中需要根据表的行键的值对表进行分区，每个行区间构成一个分区，被称为（Region）
(云计算)数据提供了技术基础，（物联网）是大数据重要的数据来源。
在每个Region服务器上只有的是(HLog)
ARN中的（ApplicationMaster）负责执行以下任务：为应用程序申请资源，并分配给内部任务；任务调度、监控与容错。

简答题

在Hadoop伪分布式安装后，执行Start-dfs.sh命令，会启动哪几个线程？每个线程分别有什么作用?

NameNode：hadoop中的主服务器，管理文件系统名称空间和对集群中存储的文件的访问，保存有元数据。
SecondaryNameNode：提供周期检查点和清理任务。
DataNode：负责管理连接到节点的存储。每个存储数据的节点运行一个datanode守护进程。

Zookeeper在HBase中有哪些作用？1. 协调服务：管理HBase集群中各个节点的状态信息，协调各个节点之间的通信和协作，确保各个节点之间的一致性和可靠性。2. 元数据管理：HBase的元数据信息存储在ZooKeeper中，HBase可以通过ZooKeeper来获取和维护元数据信息。3. 选主机制：HBase集群的Master节点是由ZooKeeper进行选举产生的，ZooKeeper会负责监控Master节点的状态，并在Master节点发生故障时进行重新选举。> > - 保存 Meta 表位置、记录并监听 Master 主备状态

百度云数据库支持关系型数据库MySQL，分布式非关系型数据库存储服务MongoDB、键值型非关系型数据库Redis，请分别说明这三种数据库是如何运用CAP理论的？

CAP是一致性（Consistency）、可用性（Availability）和分区容错性（Partition Tolerance）。

MySQL（关系型数据库）- MySQL单机部署时，MySQL可以保证一致性和可用性，不涉及分区容错性。集群部署，MySQL倾向于保证一致性和可用性，牺牲一定的分区容错性。
MongoDB（分布式非关系型数据库）- MongoDB默认设计为满足CAP理论中的AP（可用性和分区容错性）。MongoDB通过副本集来保证高可用性，副本集中的每个节点都可以处理读取请求，即使某些节点之间通信出现问题（分区），系统仍然可以继续运行。
Redis（键值型非关系型数据库）- Redis可以为单机或主从复制模式。在单实例中，Redis同时保证一致性和可用性。在集群模式下，Redis倾向于保证AP（可用性和分区容错性）。

简单分析题

请分别对下面的命令进行解释

hdfs dfs -ls /- 列出HDFS根目录下的所有文件和目录。
hdfs dfs -mkdir -p /tmp/test_hdfs- 在HDFS中创建目录。-p 参数允许创建多级目录，如果父目录不存在则会一并创建。在 /tmp 下创建名为 test_hdfs 的目录
hdfs dfs -put testfile.zip /tmp/test_hdfs- 将本地文件系统中的 testfile.zip 文件上传到HDFS的 /tmp/test_hdfs 目录下。
create ‘exam_info’, ‘info’- HBase shell命令，创建一个名为 exam_info 的表，并定义一个名为 info 的列族。
put ‘exam_info’, ‘123001’, ‘info:name’, ‘Elle’- HBase shell命令，向 exam_info 表中插入数据。将 123001 作为行键，info:name 作为列名，Elle 作为该列的值。
get ‘exam_info’, ‘123001’, ‘info:name’- 从 exam_info 表中检索数据。获取行键为 123001 的记录中，列名为 info:name 的值。
scan ‘exam_info’, {COLUMNS => ‘info:name’}- 扫描 exam_info 表，只返回列族 info 中列名为 name 的数据。
delete all ‘exam_info’, ‘123001’- 删除 exam_info 表中行键为 123001 的所有数据。
HDFS代码命令解释题目FileSystem fs =FileSystem.get(newURI("hdfs://192.168.1.2:9000"),newConfiguration(),"root"); fs.deleteOnExit("/java");- 获取HDFS文件系统的实例，指定HDFS的URI和配置。deleteOnExit 方法,标记文件系统中的 /java 目录，在JVM退出时自动删除该目录。
Hbase命令解释题Configuration configuration =HBaseConfiguration.create();Connection connection =ConnectionFactory.createConnection(configuration);Table table = connection.getTable(TableName.valueOf("student"));Put put =newPut("2022001".getBytes()); put.addColumn("info".getBytes(),"name".getBytes(),"Kate".getBytes()); table.put(put); table.close();1. 首先创建一个HBase配置对象，然后创建一个HBase连接。2. 接着，它获取一个 student 的表的实例，创建一个 Put 对象来插入数据，指定行键为 2022001，列族为 info，列名为 name，值为 Kate。3. 最后，将这个 Put 对象通过 table.put() 方法插入到表中，并关闭表连接。

程序设计题

公司为购物平台，业务量非常庞大，现在需要为一个公司建立大数据平台，全面支持公司业务，需提供以下业务：实时的订单处理，时间跨度在数百毫秒到数秒之间；基于历史订单的查询，时间跨度在数分钟之间；对于平台各种数据的批处理分析，提供较复杂的业务，时间跨度在数小时之间。请结合所学的知识，提供一个该大数据平台的设计方案，请从数据库选择，数据采集开始设计，画出该平台的层次结构图，并说明每层有什么作用，采用什么工具或技术。

数据库选择

实时订单处理：使用Kafka和Flink，因为它们支持高吞吐量的实时数据流处理。
历史订单查询：使用HBase，分布式的、可扩展的大数据存储系统，适合随机、实时读写访问模式。
批处理分析：使用Hadoop和Hive，适合处理大规模数据集的批处理任务。

数据采集

使用Flume或Logstash进行日志和事件数据的收集。
使用Sqoop进行关系数据库数据的导入。

层次结构图

#mermaid-svg-va2z6HbgHHbu8cN2 {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-va2z6HbgHHbu8cN2 .error-icon{fill:#552222;}#mermaid-svg-va2z6HbgHHbu8cN2 .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-va2z6HbgHHbu8cN2 .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-va2z6HbgHHbu8cN2 .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-va2z6HbgHHbu8cN2 .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-va2z6HbgHHbu8cN2 .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-va2z6HbgHHbu8cN2 .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-va2z6HbgHHbu8cN2 .marker{fill:#333333;stroke:#333333;}#mermaid-svg-va2z6HbgHHbu8cN2 .marker.cross{stroke:#333333;}#mermaid-svg-va2z6HbgHHbu8cN2 svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-va2z6HbgHHbu8cN2 .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-va2z6HbgHHbu8cN2 .cluster-label text{fill:#333;}#mermaid-svg-va2z6HbgHHbu8cN2 .cluster-label span{color:#333;}#mermaid-svg-va2z6HbgHHbu8cN2 .label text,#mermaid-svg-va2z6HbgHHbu8cN2 span{fill:#333;color:#333;}#mermaid-svg-va2z6HbgHHbu8cN2 .node rect,#mermaid-svg-va2z6HbgHHbu8cN2 .node circle,#mermaid-svg-va2z6HbgHHbu8cN2 .node ellipse,#mermaid-svg-va2z6HbgHHbu8cN2 .node polygon,#mermaid-svg-va2z6HbgHHbu8cN2 .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-va2z6HbgHHbu8cN2 .node .label{text-align:center;}#mermaid-svg-va2z6HbgHHbu8cN2 .node.clickable{cursor:pointer;}#mermaid-svg-va2z6HbgHHbu8cN2 .arrowheadPath{fill:#333333;}#mermaid-svg-va2z6HbgHHbu8cN2 .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-va2z6HbgHHbu8cN2 .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-va2z6HbgHHbu8cN2 .edgeLabel{background-color:#e8e8e8;text-align:center;}#mermaid-svg-va2z6HbgHHbu8cN2 .edgeLabel rect{opacity:0.5;background-color:#e8e8e8;fill:#e8e8e8;}#mermaid-svg-va2z6HbgHHbu8cN2 .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-va2z6HbgHHbu8cN2 .cluster text{fill:#333;}#mermaid-svg-va2z6HbgHHbu8cN2 .cluster span{color:#333;}#mermaid-svg-va2z6HbgHHbu8cN2 div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-va2z6HbgHHbu8cN2 :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;}
Flume/Sqoop

       数据源 
     

       数据采集层 
     

       实时处理层 
     

       数据存储层 
     

       业务应用层 
     

       数据分析层

各层作用及采用工具或技术

数据采集层- 作用：负责从各种数据源（如日志文件、数据库、API等）收集数据。- 工具/技术：Flume, Sqoop,。
实时处理层- 作用：处理实时数据流，进行订单处理等实时业务。- 工具/技术：Kafka, Flink。
数据存储层- 作用：存储结构化和非结构化数据，支持快速查询和历史数据分析。- 工具/技术：HBase, HDFS。
业务应用层- 作用：提供用户界面和业务逻辑处理，如订单管理、用户界面等。- 工具/技术：Web应用框架（如Spring Boot）, RESTful API。
数据分析层- 作用：进行复杂的数据分析和报告生成，支持决策制定。- 工具/技术：Hive, Spark。

程序设计题

下列是一组数据，该数据包含两列，分别为姓名和出生年份，请统计出有哪些年份及数据中该年份的出生人数。原始数据：

Amber 2000
Lily 2001
Lesile 2001
Kate 2000
Mike 2001
Jason 1999
Rachel 1999

参考代码

//ExamMapper.javaimportjava.io.IOException;importorg.apache.hadoop.io.LongWritable;importorg.apache.hadoop.io.Text;importorg.apache.hadoop.mapreduce.Mapper;publicclassExamMapperextendsMapper<LongWritable,Text,Text,IntWritable>{//记住父类参数@Overrideprotectedvoidmap(LongWritable key,Text value,Context context)throwsIOException,InterruptedException{//将年份提取作为key，value为1Text year =newText();//keyString str = value.toString();//整行内容String[] parts = str.split(" ");// 数据以空格分隔String birthYear = parts[1];// 出生年份是第二个字段
        year.set(birthYear);
        context.write(year,newIntWritable(1));//key为年份 value默认为1}}

//ExamReducer.javaimportjava.io.IOException;importorg.apache.hadoop.io.IntWritable;importorg.apache.hadoop.io.Text;importorg.apache.hadoop.mapreduce.Reducer;publicclassExamReducerextendsReducer<Text,IntWritable,Text,IntWritable>{//记住父类参数@Overrideprotectedvoidreduce(Text key,Iterable<IntWritable> values,Context context)throwsIOException,InterruptedException{//将map结果根据key值分类，将value值相加int sum =0;for(IntWritable val : values){
            sum += val.get();}
        context.write(key,newIntWritable().set(sum));//根据key值 将vlaue相加}}

//ExamJob.javaimportorg.apache.hadoop.conf.Configuration;importorg.apache.hadoop.fs.Path;importorg.apache.hadoop.io.IntWritable;importorg.apache.hadoop.io.Text;importorg.apache.hadoop.mapreduce.Job;importorg.apache.hadoop.mapreduce.lib.input.FileInputFormat;importorg.apache.hadoop.mapreduce.lib.output.FileOutputFormat;publicclassExamJob{publicstaticvoidmain(String[] args)throwsException{//获取作业对象Job job =Job.getInstance(newConfiguration());//设置主类
        job.setJarByClass(ExamJob.class);//关联mapper和reducer
        job.setMapperClass(ExamMapper.class);
        job.setReducerClass(ExamReducer.class);//设置mapper输出的k、v
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);//设置reducer输出的k、v
        job.setOutputKeyClass(Text.class);//文本
        job.setOutputValueClass(IntWritable.class);//int//设置job输入、输出FileInputFormat.setInputPaths(job,newPath("file:///source.txt"));FileOutputFormat.setOutputPath(job,newPath("file:///output"));System.exit(job.waitForCompletion(true)?0:1);}}

标签：大数据

本文转载自: https://blog.csdn.net/yang2330648064/article/details/139902608
版权归原作者 缘友一世 所有，如有侵权，请联系我们删除。

大数据复习练习

大数据复习练习题

填空题

简答题

简单分析题

程序设计题

程序设计题

发表评论

“大数据复习练习”的评论:

关于作者

overfit同步小助手

相关阅读

文章导航