A、 分布式并⾏编程模型
B、 流计算框架
C、 Hadoop上的⼯作流管理系统
D、 提供分布式协调⼀致性服务
答案：A
A、 分布式并⾏编程模型
B、 流计算框架
C、 Hadoop上的⼯作流管理系统
D、 提供分布式协调⼀致性服务
答案：A
A. 从编程的灵活性来讲，Storm是⽐较理想的选择，它使⽤ApacheThrift，可以⽤任何编程语⾔来编写拓扑结构(Topology)
B. 当有⼤量的状态需要处理时，⽐如每个分区都有数⼗亿个元组，则可以选择Storm和SparkStreaming
C. SparkStreaming⽆法实现毫秒级的流计算
D. 在Spark上可以统⼀部署SparkSQL，SparkStreaming、MLlib，GraphX等组件，提供便捷的⼀体化编程模型
A. R是属于GNU系统的⼀个⾃由、免费、源代码开放的软件
B. Weka主要⽤于社交图谱数据可视化分析，可以⽣成⾮常酷炫的可视化图形
C. Gephi主要⽤于社交图谱数据可视化分析，可以⽣成⾮常酷炫的可视化图形
D. R通常⽤于⼤数据集的统计与分析
A. ⽀持各种编程语⾔:Storm⽀持使⽤各种编程语⾔来定义任务
B. 容错性:Storm需要⼈⼯进⾏故障节点的重启、任务的重新分配
C. 可扩展性:Storm的并⾏特性使其可以运⾏在分布式集群中
D. 免费、开源:Storm是⼀款开源框架，可以免费使⽤
A. 流数据层(Kafka)
B. 执⾏层(YARN)
C. 处理层(SamzaAPI)
D. 数据采集层(Scribe)
A. 单点故障问题
B. 不可以⽔平扩展
C. 单个名称节点难以提供不同程序之间的隔离性
D. 系统整体性能受限于单个名称节点的吞吐量
A. ⽀持⼤规模⽂件存储
B. 简化系统设计
C. 适合数据备份
D. ⽀持中等规模⽂件存储
A. ⾼效的容错性
B. 中间结果持久化到内存，数据在内存中的多个
C. 存放的数据可以是Java对象，避免了不必要的对象序列化和反序列化
D. 现有容错机制:数据复制或者记录⽇志
A. 基于物品的协同过滤算法(简称ItemCF算法)是⽬前业界应⽤最多的算法
B. ItemCF算法是给⽬标⽤户推荐那些和他们之前喜欢的物品相似的物品
C. ItemCF算法通过建⽴⽤户到物品倒排表(每个⽤户喜欢的物品的列表)来计算物品相似度
D. UserCF算法推荐的是那些和⽬标⽤户有共同兴趣爱好的其他⽤户所喜欢的物品
A. 信息传输
B. 信息处理
C. 信息爆炸
D. 信息转换
A. 为了让⽤户从海量信息中⾼效地获得⾃⼰所需的信息，推荐系统应运⽽⽣
B. 推荐系统是⼤数据在互联⽹领域的典型应⽤
C. 推荐系统是⾃动联系⽤户和物品的⼀种⼯具
D. 推荐系统是利⽤⼤数据为⽤户推荐消费内容、调整线下门店布局、控制店内⼈流量
