A、 CA:也就是强调⼀致性(C)和可⽤性(A)，放弃分区容忍性(P)
B、 CP:也就是强调⼀致性(C)和分区容忍性(P)，放弃可⽤性(A)
C、 AP:也就是强调可⽤性(A)和分区容忍性(P)，放弃⼀致性(C)
D、 CAP:也就是同时兼顾可⽤性(A)、分区容忍性(P)和⼀致性(C)，当时系统性能会下降很多
答案：ABC
A、 CA:也就是强调⼀致性(C)和可⽤性(A)，放弃分区容忍性(P)
B、 CP:也就是强调⼀致性(C)和分区容忍性(P)，放弃可⽤性(A)
C、 AP:也就是强调可⽤性(A)和分区容忍性(P)，放弃⼀致性(C)
D、 CAP:也就是同时兼顾可⽤性(A)、分区容忍性(P)和⼀致性(C)，当时系统性能会下降很多
答案：ABC
A. 在Pregel中，为了获得更好的性能，”标志位”和输⼊消息队列是分开保存的
B. 在超步S中，当⼀个Worker在进⾏顶点处理时，⽤于当前超步的消息会被处理
C. 需要两个消息队列⽤于存放作⽤于当前超步S的消息和作⽤于下⼀个超步S+1的消息
D. 每个Worker上都保存了⼀个或多个分区的状态信息，当⼀个Worker发⽣故障时，它所负责维护的分区的当前状态信息就会丢失
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. Task分为MapTask和ReduceTask两种，分别由JobTracker和TaskTracker启动
B. slot分为Mapslot和Reduceslot两种，分别供MapTask和ReduceTask使⽤
C. TaskTracker使⽤”slot”等量划分本节点上的资源量(CPU、内存等)
D. TaskTracker会周期性接收JobTracker发送过来的命令并执⾏相应的操作(如启动新任务、杀死任务等)
A. HadoopMapReduce是MapReduce的开源实现，后者⽐前者使⽤门槛低很多
B. MapReduce⾮共享式，容错性好
C. MapReduce批处理、实时、数据疏散型
D. MapReduce采⽤”分⽽治之”策略
A. 实时获取来⾃不同数据源的海量数据，经过实时分析处理，获得有价值的信息
B. 流计算秉承⼀个基本理念，即数据的价值随着时间的流逝⽽降低
C. 对于⼀个流计算系统来说，它应该⽀持TB级甚⾄是PB级的数据规模
D. 流计算只需要保证较低的延迟时间，即只达到秒级别即可处理⼀切问题
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. 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. 局部计算:每个参与的处理器都有⾃⾝的计算任务
B. 通讯:处理器群相互交换数据
C. 栅栏同步:当⼀个处理器遇到”路障”(或栅栏)，会等到其他所有处理器完成它们的计算步骤
D. 基于现有的分布式计算平台进⾏图计算
A. 顶点的当前值
B. 以该顶点为起点的出射边列表，每条出射边包含了⽬标顶点ID和边的值
C. 消息队列，包含了所有接收到的、发送给该顶点的消息
D. 标志位，⽤来标记顶点是否处于活跃状态
