1、如何在Hadoop集群中提交和执行MapReduce作业？2、Hadoop支持哪些类型的数据处理？请举例说明如何使用Hadoop处理结构化和非结构化数据。3、如何进行故障排除和监控Hadoop集群？列举一些常见的故障和对应的解决方法。

1、在Hadoop集群中提交和执行MapReduce作业的步骤如下： a. 编写MapReduce作业的代码，包括Mapper和Reducer函数。 b. 将代码打包成可执行的JAR文件。 c. 使用hadoop命令将JAR文件提交到Hadoop集群中：hadoop jar <JAR文件路径> <主类名> <输入路径> <输出路径> d. Hadoop会根据作业的配置，在集群中自动分配任务给不同的节点进行并行处理。 e. 执行完成后，结果会保存在指定的输出路径中。

2、Hadoop支持结构化数据（如关系型数据库表、CSV文件等）和非结构化数据（如文本文件、日志文件、图片、视频等）的处理。

对于结构化数据，可以使用Hive来进行数据的查询和分析。Hive提供了类似于SQL的查询语言，可以将结构化数据映射为表，并进行数据的过滤、聚合、排序等操作。

对于非结构化数据，可以使用Hadoop的文件系统（HDFS）来存储和管理文件，使用MapReduce进行数据处理。例如，可以使用MapReduce程序对文本文件进行单词计数、日志文件进行异常检测、图片进行特征提取等。

3、故障排除和监控Hadoop集群的方法如下： a. 使用Hadoop的监控工具，如Ambari或Cloudera Manager，可以实时监控集群的运行状态和各个节点的健康状况。 b. 查看Hadoop的日志文件，如HDFS的NameNode和DataNode的日志、YARN的ResourceManager和NodeManager的日志等，可以找到故障的具体原因。 c. 使用命令行工具，如hdfs dfsadmin和yarn application命令，可以查看和管理Hadoop的状态和任务。 d. 常见的Hadoop集群故障包括：节点宕机、存储空间不足、任务失败等。解决方法包括：重新启动故障节点、清理无用的数据以释放存储空间、重新提交失败的任务等。