A、 负责数据的存储和读取
B、 根据客户端或者是名称节点的调度来进⾏数据的存储和检索
C、 向名称节点定期发送⾃⼰所存储的块的列表
D、 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
答案：ABC
A、 负责数据的存储和读取
B、 根据客户端或者是名称节点的调度来进⾏数据的存储和检索
C、 向名称节点定期发送⾃⼰所存储的块的列表
D、 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
答案：ABC
A. ⽤户可通过Client提供的⼀些接⼝查看作业运⾏状态
B. ⽤户编写的MapReduce程序通过Client提交到JobTracker端
C. JobTracker负责资源监控和作业调度
D. JobTracker会跟踪任务的执⾏进度、资源使⽤量等信息，并将这些信息告诉任务调度器(TaskScheduler)
A. 不适合低延迟数据访问
B. ⽆法⾼效存储⼤量⼩⽂件
C. 不⽀持多⽤户写⼊及任意修改⽂件
D. 较差的跨平台兼容性
A. 每个Application都有⾃⼰专属的Executor进程，并且该进程在Application运⾏期间⼀直驻留
B. Executor进程以多线程的⽅式运⾏Task
C. Spark运⾏过程与资源管理器⽆关，只要能够获取Executor进程并保持通信即可
D. Task采⽤了数据本地性和推测执⾏等优化机制
A. 关系代数运算(选择、投影、并、交、差、连接)
B. 分组与聚合运算
C. 矩阵-向量乘法
D. 矩阵乘法
A. 针对⼤规模数据的批量处理
B. 针对⼤规模图结构数据的处理
C. ⼤规模数据的存储管理和查询分析
D. 针对流数据的实时计算
A. 关键字
B. ⾏键
C. 列族
D. 时间戳
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. ⼀个⼊射边的迭代器
A. UserCF算法的推荐更偏向社会化:适合应⽤于新闻推荐、微博话题推荐等应⽤场景，其推荐结果在新颖性⽅⾯有⼀定的优势
B. ItemCF算法的推荐更偏向于个性化
C. ItemCF随着⽤户数⽬的增⼤，⽤户相似度计算复杂度越来越⾼
D. UserCF推荐结果相关性较弱，难以对推荐结果作出解释，容易受⼤众影响⽽推荐热门物品
A. Mnesia
B. LVS
C. RabbitMQ
D. ZooKeeper
A. 动态可扩展
B. ⾼成本
C. 易⽤性
D. ⼤规模并⾏处理
