一、Hadoop入门
1、常用端口号
hadoop3.x
-
HDFS NameNode 内部通常端口:8020/9000/9820
-
HDFS NameNode 对用户的查询端口:9870
-
Yarn查看任务运行情况的:8088
-
历史服务器:19888
hadoop2.x
-
HDFS NameNode 内部通常端口:8020/9000
-
HDFS NameNode 对用户的查询端口:50070
-
Yarn查看任务运行情况的:8088
-
历史服务器:19888
2、常用的配置文件
-
3.x core-site.xml hdfs-site.xml yarn-site.xml mapred-site.xml workers
-
2.x core-site.xml hdfs-site.xml yarn-site.xml mapred-site.xml slaves
二、HDFS
- 1、HDFS文件块大小(面试重点)
-
硬盘读写速度
-
在企业中 一般128m(中小公司) 256m (大公司)
-
-
2、HDFS的Shell操作(开发重点)
-
3、HDFS的读写流程(面试重点)
三、Map Reduce
1、InputFormat
-
1)默认的是TextInputformat kv key偏移量,v :一行内容
-
2)处理小文件CombineTextInputFormat 把多个文件合并到一起统一切片
2、Mapper
-
setup()初始化; map()用户的业务逻辑; clearup() 关闭资源;
3、分区
-
默认分区HashPartitioner ,默认按照key的hash值%numreducetask个数
-
自定义分区
4、排序
-
1)部分排序 每个输出的文件内部有序。
-
2)全排序: 一个reduce ,对所有数据大排序。
-
3)二次排序: 自定义排序范畴, 实现 writableCompare接口, 重写compareTo方法
5、Combiner
前提:不影响最终的业务逻辑(求和 没问题 求平均值)
提前聚合map => 解决数据倾斜的一个方法
6、Reducer
-
用户的业务逻辑;
-
setup()初始化;
-
reduce()用户的业务逻辑;
-
clearup() 关闭资源;
7、OutputFormat
-
1)默认TextOutputFormat 按行输出到文件
-
2)自定义
四、Yarn
-
1、Yarn的工作机制(面试题)
- 2、Yarn的调度器
-
1)FIFO/容量/公平
-
2)apache 默认调度器 容量; CDH默认调度器 公平
-
3)公平/容量默认一个default ,需要创建多队列
-
4)中小企业:hive spark flink mr
-
5)中大企业:业务模块:登录/注册/购物车/营销
-
6)好处:解耦 降低风险 11.11 6.18 降级使用
- 7)每个调度器特点:
-
相同点:支持多队列,可以借资源,支持多用户
- 不同点:
-
容量调度器:优先满足先进来的任务执行;
-
公平调度器,在队列里面的任务公平享有队列资源
-
-
- 8)生产环境怎么选:
-
中小企业,对并发度要求不高,选择容量
-
中大企业,对并发度要求比较高,选择公平。
-
-
添加公众号「信息技术智库」:
🍅 硬核资料:20G,8大类资料,关注即可领取(PPT模板、简历模板、技术资料)
🍅 技术互助:技术群大佬指点迷津,你的问题可能不是问题,求资源在群里喊一声。
🍅 面试题库:由各个技术群小伙伴们共同投稿,热乎的大厂面试真题,持续更新中。
🍅 知识体系:含编程语言、算法、大数据生态圈组件(Mysql、Hive、Spark、Flink)、数据仓库、前端等。
👇👇送书抽奖丨技术互助丨粉丝福利👇👇