A、 SecondaryNameNode⼀般是并⾏运⾏在多台机器上
B、 它是⽤来保存名称节点中对HDFS元数据信息的备份,并减少名称节点重启的时间
C、 SecondaryNameNode通过HTTPGET⽅式从NameNode上获取到FsImage和EditLog⽂件,并下载到本地的相应⽬录下
D、 SecondaryNameNode是HDFS架构中的⼀个组成部分
答案:A
A、 SecondaryNameNode⼀般是并⾏运⾏在多台机器上
B、 它是⽤来保存名称节点中对HDFS元数据信息的备份,并减少名称节点重启的时间
C、 SecondaryNameNode通过HTTPGET⽅式从NameNode上获取到FsImage和EditLog⽂件,并下载到本地的相应⽬录下
D、 SecondaryNameNode是HDFS架构中的⼀个组成部分
答案:A
A. 间断性
B. 原⼦性
C. ⼀致性
D. 持久性
A. ⽆论是亚马逊还是Netflix,其推荐系统的基础都是ItemCF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算法主要通过分析⽤户的⾏为记录来计算物品之间的相似度
D. 实现UserCF算法的关键步骤是计算物品与物品之间的相似度
A. ⽂档数据库
B. 图数据库
C. 列族数据库
D. 时间戳数据库
A. 静态数据
B. 实时数据流
C. 历史数据
D. 结构化数据
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. 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. 应⽤层
B. 处理层
C. 感知层
D. ⽹络层
A. 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
B. ItemCF算法推荐的是那些和⽬标⽤户之前喜欢的物品类似的其他物品
C. ItemCF算法的推荐更偏向社会化,⽽UserCF算法的推荐更偏向于个性化
D. ItemCF算法倾向于推荐与⽤户已购买商品相似的商品,往往会出现多样性不⾜、推荐新颖度较低的问题
A. 库函数:链接到每个客户端
B. ⼀个Master主服务器
C. 许多个Region服务器
D. 部署在廉价的计算机集群中
A. 互联⽹
B. 云计算
C. ⼤数据
D. 物联⽹