云计算大数据面试题，云计算大数据面试题集锦

1. 大数据领域数据类型

1.1 有界数据

​一般批处理(一个文件 或者一批文件),不管文件多大，都是可以度量

​mapreduce hive sparkcore sparksql

1.2 无界数据

​源源不断的流水一样 (流数据)

​Storm SparkStreaming

2. 消息队列(Message Queue)

消息 Message
网络中的两台计算机或者两个通讯设备之间传递的数据,例如说：文本、音乐、视频等内容
队列 Queue
一种特殊的线性表（数据元素首尾相接），特殊之处在于只允许在首部移除元素和在尾部追加元素。入队、出队。
消息队列 MQ
消息+队列
保存消息的队列
消息的传输过程中的容器
主要提供生产、消费接口供外部调用做数据的存储和获取
3. 消息队列的分类

3.1 点对点(P2P)

一个生产者生产的消息只能被一个消费者消费
3.2 发布订阅(Pub/Sub)

消息队列(Queue)、主题(Topic)、发布者(Publisher)、订阅者(Subscriber)

消息的发布者
消息的订阅者
每个消息可以有多个消费者，彼此互不影响。比如我发布一个微博：关注我的人都能够看到。
4. Kafka的简介

在大数据领域呢，为了满足日益增长的数据量，也有一款可以满足百万级别消息的生成和消费，分布式、持久稳定的产品——Kafka
Kafka是分布式的发布—订阅消息系统(基于PS的一个消息队列)
它最初由LinkedIn(领英)公司发布,使用Scala语言编写
Kafka是一个高吞吐量的、持久性的、分布式发布订阅消息系统
它主要用于处理活跃的数据(登录、浏览、点击、分享、喜欢等用户行为产生的数据
5. Kafka的特点

高吞吐量
可以满足每秒百万级 别消息的生产和消费(生产消费 )
持久性
有一套完善的消息存储机制，确保数据的高效安全的持久化 (数据的存储)
分布式
基于分布式的扩展和容错机制；Kafka的数据都会复制到几台服务器上。当某一台故障失效时，生产者和消费者转而使用其它的机器——整体健壮性
6. Kafka的组件

一个消息队列需要哪些部分?
生产
消费
消息类别
存储等等
Topic(主题)
Kafka处理的消息的不同分类
Broker (消息代理)
Kafka集群中的一个kafka服务节点称为一个broker，主要存储消息数据,存在硬盘中。每个topic都是有分区的
Partition (物理上的分区)
一个topic在broker中被分为1个或者多个partition，分区在创建topic的时候指定
Message (消息)
消息，是通信的基本单位，每个消息都属于一个partition
7. Kafka的服务

Producer : 消息和数据的生产者，向Kafka的一个topic发布消息
Consumer :消息和数据的消费者，定于topic并处理其发布的消息
Zookeeper :协调kafka的正常运行
8. Kafka的安装

8.1 单机版的安装

准备kafka
kafka_2.10-0.10.0.1.tgz
解压kafka
tar -zxvf kafka_2.10-0.10.0.1.tgz -C /opt/
重命名
mv kafka_2.10-0.10.0.1.tgz kafka
配置环境变量
export KAFKA_HOME=/opt/kafka

export PATH= $PATH:$KAFKA_HOME/bin

编辑server.properties
broker.id=1

log.dirs=/opt/kafka/logs

zookeeper.connect=uplooking03:2181,uplooking04:2181,uplooking05:2181

listeners=PLAINTEXT://:9092

启动kafka-server服务
kafka-server-start.sh [-daemon] server.properties

停止kafka服务
kafka-server-stop.sh

8.2 集群的安装

只需要在每个机器上修改对应的 broker.id=1 即可

9. Kafka中Topic的操作

创建topic
kafka-topics.sh --create --topic t1 --partitions 3 --replication-factor 1 --zookeeper uplooking03:2181,uplooking04:2181

注意: 创建topic过程的问题，replication-factor个数不能超过brokerserver的个数
查看topic
kafka-topics.sh --list --zookeeper uplooking03

查看具体topic的详情
kafka-topics.sh --describe --topic t1 --zookeeper uplooking04:2181

PartitionCount：topic对应的partition的个数

ReplicationFactor：topic对应的副本因子，说白就是副本个数

Partition：partition编号，从0开始递增

Leader：当前partition起作用的breaker.id

Replicas: 当前副本数据存在的breaker.id，是一个列表，排在最前面的其作用

Isr：当前kakfa集群中可用的breaker.id列表

修改topic(不能修改replication-factor，以及只能对partition个数进行增加，不能减少 )
kafka-topics.sh --alter --topic t1 --partitions 4 --zookeeper uplooking03

删除Topic
kafka-topics.sh --delete --topic t1 --zookeeper uplooking03

ps:这种删除只是标记删除,要想彻底删除必须设置一个属性,在server.properties中配置delete.topic.enable=true，否则只是标记删除
配置完成之后，需要重启kafka服务
10. Kafka中的生产者和消费者接口

自己写代码实现kafka提供的消息生产和消费的接口
kafka自身也实现了自身的生产和消费的接口,给出了两个工具(kafka-console-producer.sh , kafka-console-consumer.sh)
11. Kafka自带的生产和消费消息的工具

11.1 kafka-console-producer.sh(生产工具)

kafka-console-producer.sh --topic t1 --broker-list uplooking03:9092,uploo

king04:9092,uplooking05:9092

11.2 kafka-console-consumer.sh(消费工具)

kafka-console-consumer.sh --zookeeper uplooking03 --topic t1

–from-beginning:从头开始消费

–blacklist:黑名单过滤(kafka-console-consumer.sh --zookeeper uplooking03 --blacklist t1,t3)

–whitelist:白名单过滤(kafka-console-consumer.sh --zookeeper uplooking03 --whitelist t2)

ps:–topic|–blacklist|–whitelist 只能出现其中一个

12. Flume与Kafka的整合

配置flume的agent配置文件
touch flume-kafka.properties

对各个组件的描述说明

其中a1为agent的名字

r1是a1的source的代号名字

c1是a1的channel的代号名字

k1是a1的sink的代号名字

############################################

a1.sources = r1

a1.sinks = k1

a1.channels = c1

用于描述source的，类型是netcat网络

a1.sources.r1.type = netcat

source监听的网络ip地址和端口号

a1.sources.r1.bind = uplooking01

a1.sources.r1.port = 44444

用于描述sink，类型是kafka

a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink

a1.sinks.k1.topic = hadoop

a1.sinks.k1.brokerList = uplooking03:9092,uplooking04:9092,uplooking05:9092

a1.sinks.k1.requiredAcks = 1

a1.sinks.k1.batchSize = 2

用于描述channel，在内存中做数据的临时的存储

a1.channels.c1.type = memory

该内存中最大的存储容量，1000个events事件

a1.channels.c1.capacity = 1000

能够同时对100个events事件监管事务

a1.channels.c1.transactionCapacity = 100

将a1中的各个组件建立关联关系，将source和sink都指向了同一个channel

a1.sources.r1.channels = c1

a1.sinks.k1.channel = c1

启动flume开始采集数据
[root@uplooking01:/opt/flume/conf]

flume-ng agent --name a1 --conf-file flume-kafka.properties

开启Kafka消息消费工具
[root@uplooking03:/opt/flume/conf]

kafka-console-consumer.sh --zookeeper uplooking03 --topic hadoop

给flume监听的Source发送数据
[root@uplooking03:/]

nc uplooking01 44444

现在就可以到kafka的消费工具(kafka-console-consumer.sh)中区查看nc发送的数据
13. Kafka的API操作(生产者和消费者)

org.apache.kafka

kafka_2.10

0.10.0.1

13.1 Kafka的生产者

创建生产者的配置文件 producer.properties
bootstrap.servers=uplooking03:9092,uplooking04:9092,uplooking05:9092

key.serializer=org.apache.kafka.common.serialization.StringSerializer

value.serializer=org.apache.kafka.common.serialization.StringSerializer

创建生产者并且发送数据到topic中
public class MyKafkaProducer {

public static void main(String[] args) throws IOException {

Properties prop = new Properties();

prop.load(MyKafkaProducer.class.getClassLoader().getResourceAsStream(“producer.properties”));

KafkaProducer<String, String> kafkaProducer = new KafkaProducer<String, String>(prop);

kafkaProducer.send(new ProducerRecord<String, String>(“hadoop”, “name”, “admin123”));

kafkaProducer.close();

}

}

13.2 Kafka的消费者

创建消费者的配置文件consumer.properties
zookeeper.connect=uplooking03:2181,uplooking04:2181,uplooking05:2181

group.id=test-consumer-group

bootstrap.servers=uplooking03:9092,uplooking04:9092,uplooking05:9092

key.deserializer=org.apache.kafka.common.serialization.StringDeserializer

value.deserializer=org.apache.kafka.common.serialization.StringDeserializer

创建消息消费者消费topic中的数据
public static void main(String[] args) throws Exception {

Properties prop = new Properties();

prop.load(MyKafkaConsumer.class.getClassLoader().getResourceAsStream(“consumer.properties”));

KafkaConsumer<String, String> kafkaConsumer = new KafkaConsumer<String, String>(prop);

Collection topics = new ArrayList();

topics.add(“hadoop”);

kafkaConsumer.subscribe(topics);

while (true) {

ConsumerRecords<String, String> records = kafkaConsumer.poll(1000);

for (ConsumerRecord<String, String> record : records) {

System.out.println(record.value());

}

}

}

自定义分区(MyCustomPartition)
package com.uplooking.bigdata.kafka.partition;

public class MyCustomPartition implements Partitioner {

public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {

//获取分区数, 分区编号一般都是从0开始

int partitionSize = cluster.partitionCountForTopic(topic);

int keyHash = Math.abs(key.hashCode());

int valueHash = Math.abs(value.hashCode());

return keyHash % partitionSize;

}

public void close() {

}

public void configure(Map<String, ?> configs) {

}

}

配置自定义分区(producer.properties)
partitioner.class=com.uplooking.bigdata.kafka.partition.MyCustomPartition