谢谢分享
（3）使用inspect -f命令查询容器IP地址。 依次将操作命令及返回结果以文本形式提交到答题框。 4.Dockerfile编写（3分）
以上题构建的centos-7镜像为基础，构建数据库镜像centos-mariadb:v1.0，其要求为：
（1）删除镜像的本地yum源，使用容器server节点的yum源文件； （2）安装mariadb服务，使用mysql用户初始化数据库；
（3）设置MYSQL_USER=xiandian、MYSQL_PASS=xiandian环境变量；
（4）数据库支持中文； （5）暴露3306端口；
（6）启动容器时能自动运行mysld_safe命令。
使用cat命令查看Dockerfile文件并构建镜像。依次将操作命令及返回结果以文本形式提交到答题框。
5.PaaS平台应用商店增加TensorFlow应用（3分）
使用提供的TensorFlow安装包，在PaaS平台应用商店上增加TensorFlow应用，配置完成后，通过页面启动TensorFlow服务并验证。依次将操作命令及返回结果以文本形式提交到答题框。
第四部分：大数据平台（共15分） 任务一、大数据平台搭建（5分）
大数据平台的搭建采用分布式部署，部署在云平台的两台虚拟机上，在云主机1上部署大数据平台master节点，在云主机2上部署大数据平台slaver节点：
云主机1：
谢谢分享
谢谢分享
（1）名称：master；
（2）类型：4CPU、8G内存、100G硬盘； （3）网络1：int-net1，绑定浮动IP。 云主机2： （1）名称：slaver；
（2）类型：4CPU、8G内存、100G硬盘； （3）网络1：int-net1，绑定浮动IP。 1.主机名配置（1分）
使用cat命令查看云主机master和slaver的hosts文件。依次将操作命令及返回结果以文本形式提交到答题框。
2.内存大页配置（1分）
检查云主机master和slaver的内存配置文件，查看Transparent Huge Pages状态。依次将操作命令及返回结果以文本形式提交到答题框。
3.大数据平台环境配置（1分）
检查master节点ambari-server的运行状态，如未启动，则启动ambari-server服务。使用curl命令在Linux Shell中查询http://master:8080界面内容。依次将操作命令及返回结果以文本形式提交到答题框。
4.启动大数据平台（2分）
（1）启动大数据平台并登录http://{master-ip}:8080，用户名：admin，密码：admin；
（2）平台中已经安装了以下服务组件：HDFS、MapReduce2、YARN、Tez、Hive、HBase、Pig、Zookeeper、Mahout。其中master节点Mariadb数据库用户密码配置如表3所示。
表3 数据库用户密码配置表 用户名 密码 root bigdata 谢谢分享
谢谢分享
ambari hive bigdata bigdata 启动平台中安装的HDFS、MapReduce2、YARN、Zookeeper等服务； （3）先后在master节点和slaver节点的Linux Shell中查看Hadoop集群的服务进程信息。
依次将操作命令及返回结果以文本形式提交到答题框。
任务二、大数据平台运维（10分）
1.HDFS管理（2分）
（1）在HDFS文件系统的根目录下创建目录yidaoyun/file； （2）将附件中的BigDataSkills.txt文件上传到yidaoyun/file目录中； （3）查看HDFS中yidaoyun/file目录的文件列表信息；
（4）查询HDFS文件系统中/tmp目录下的目录个数、文件个数和文件总大小。
依次将操作命令及返回结果以文本形式提交到答题框。 2.HBase管理（2分）
登录大数据master节点，新建hbasetest.txt文件，编写内容，要求如下：
（1）新建一张表为'test', 列族为'cf'； （2）向这张表批量插入如下数据； 'row1', 'cf:a', 'value1' 'row2', 'cf:b', 'value2' 'row3', 'cf:c', 'value3' 'row4', 'cf:d', 'value4'
（3）插入数据完毕后用scan命令查询表内容； （4）用get命令只查询row1的内容；
谢谢分享
谢谢分享
（5）最后退出hbase shell。
使用命令运行hbasetest.txt。依次将hbasetest.txt的内容、执行命令和返回结果以文本形式提交到答题框。
3.Spark案例-单词统计（2分）
登录大数据master节点，在root目录下新建一个abc.txt，里面的内容为（单词之间用空格隔开）：
hadoop hive solr redis kafka hadoop storm flume sqoop docker spark spark hadoop spark elasticsearch hbase hadoop hive spark hive hadoop spark
登录spark-shell，首先使用命令统计abc.txt的行数，接着对abc.txt文档中的单词进行计数，并按照单词首字母的升序进行排序，最后统计结果行数。依次将操作命令及返回结果以文本形式提交到答题框。
4.Sqoop管理（2分）
使用Sqoop工具查询master节点MySQL中的所有数据库。依次将操作命令及返回结果以文本形式提交到答题框。
5.Ambari平台添加MongoDB Cluster模块（2分）
谢谢分享
谢谢分享
使用提供的MongoDB安装包，在Ambari平台增加服务界面增加MongoDB Cluster模块，配置完成后，在页面添加MongoDB服务并验证。依次将操作命令及返回结果以文本形式提交到答题框。
第五部分：SaaS云应用开发（20分） 任务一、大数据案例开发（12分）
开发环境：Eclipse + JDK + Tomcat + Mysql + MongoDB + HBase +xueqing-client.zip + xueqing-server.zip + xueqing-web.zip。
1.搭建开发环境和导入项目（1分）
检查已安装的MongoDB，HBase，MySQL和岗位网站服务，进行大数据学情应用开发准备：
（1）导入三个MongoDB数据库目录employ，job_internet，question_survey；
（2）导入MySQL的xueqing-client项目的sql文件xueqing-client.sql； 在cmd中登录MongoDB数据库，提交查询所有数据库的截图到答题框。
在cmd中登录MySQL数据库，提交查询所有数据库的截图到答题框。 2.HBase建表操作（1分）
完成xueqing-server中HBase数据库建表，建立job_internet表（列簇为PERCEPT_DATA、RAW_DATA、TAG_DATA）和job_cloud表（列簇为cloud）。提交HBase两个表信息的查询结果截图和代码到答题框。
3.岗位学历需求可视化（2分）
爬取xueqing-web网站所有的岗位信息，对数据进行清洗，统计“云计算”岗位信息，将统计数据保存至MongoDB之中。通过xueqing-client展示云计算岗位学历需求分布图表。将统计图表的网页截图和相关代码提交到答题框。
谢谢分享
相关推荐：
loading