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、 UserCF算法的推荐更偏向个性化
D、 UserCF随着⽤户数⽬的增⼤,⽤户相似度计算复杂度越来越⾼
答案:C
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、 UserCF算法的推荐更偏向个性化
D、 UserCF随着⽤户数⽬的增⼤,⽤户相似度计算复杂度越来越⾼
答案:C
A. GoogleChartAPI
B. D3
C. Visual.ly
D. Spark
A. MapReduce具有⼴泛的应⽤,⽐如关系代数运算、分组与聚合运算等
B. MapReduce将复杂的、运⾏于⼤规模集群上的并⾏计算过程⾼度地抽象到了两个函数
C. 编程⼈员在不会分布式并⾏编程的情况下,也可以很容易将⾃⼰的程序运⾏在分布式系统上,完成海量数据集的计算
D. 不同的Map任务之间可以进⾏通信
A. 该顶点的当前值
B. ⼀个接收到的消息的迭代器
C. ⼀个出射边的迭代器
D. 标志位,⽤来标记顶点是否处于活跃状态
A. 云数据库是部署和虚拟化在云计算环境中的数据库
B. 云数据库是在云计算的⼤背景下发展起来的⼀种新兴的共享基础架构的⽅法
C. 云数据库价格不菲,维护费⽤极其昂贵
D. 云数据库具有⾼可扩展性、⾼可⽤性、采⽤多租形式和⽀持资源有效分发等特点
A. 原⼦性
B. 持久性
C. 间断性
D. ⼀致性
A. 不可以⽔平扩展
B. 多点故障问题
C. HDFSHA是热备份,提供⾼可⽤性,但是⽆法解决可扩展性、系统性能和隔离性
D. 系统整体性能受限于单个名称节点的吞吐量
A. 能够解决单点故障问题
B. HDFS集群扩展性
C. 性能更⾼效
D. 良好的隔离性
A. SparkStreaming⽆法实现毫秒级的流计算
B. Storm可以实现毫秒级响应件
C. Storm的低延迟执⾏引擎(100ms+)可以⽤于实时计算
D. SparkStreaming采⽤的⼩批量处理的⽅式使得它可以同时兼容批量和实时数据处理的逻辑和算法
A. 数据挖掘
B. 离线分析
C. 实时查询
D. BI分析
E.
F.
G.
H.
I.
J.
解析:
A. HadoopJob对应StormTopology
B. HadoopTaskTracker对应StormSupervisor
C. HadoopJobTracker对应StormSpout
D. HadoopReduce对应StormBolt