A、 应⽤层
B、 处理层
C、 感知层
D、 ⽹络层
答案:ABCD
A、 应⽤层
B、 处理层
C、 感知层
D、 ⽹络层
答案:ABCD
A. 运⾏速度快
B. 容易使⽤
C. 通⽤性
D. 运⾏模式单⼀
A. 数据质量问题
B. 数据安全问题
C. 数据传输速度问题
D. 数据类型单一问题
A. ⾼可扩展性
B. ⽀持多种编程语⾔
C. 成本低
D. 运⾏在Linux平台上
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. Standalone(类似于MapReduce1.0,slot为资源分配单位)
B. SparkonMesos(和Spark有⾎缘关系,更好⽀持Mesos)
C. SparkonYARN
D. SparkonHDFS
A. 信息传输
B. 信息处理
C. 信息爆炸
D. 信息转换
解析:答案解析
A. AllGrouping:⼴播发送,每⼀个Task都会收到所有的Tuple
B. GlobalGrouping:全局分组,所有的Tuple都发送到同⼀个Task中
C. FieldsGrouping:按照字段分组,保证相同字段的Tuple分配到同⼀个Task中
D. DirectGrouping:随机分组,随机分发Stream中的Tuple,保证每个Bolt的Task接收Tuple数量⼤致⼀致
A. 智能物流
B. 智能安防
C. 环保监测
D. 数据采集