A、 原⼦性
B、 持久性
C、 间断性
D、 ⼀致性
答案:BD
A、 原⼦性
B、 持久性
C、 间断性
D、 ⼀致性
答案:BD
A. DataNode:存储被拆分的数据块
B. JobTracker:协调数据计算任务
C. TaskTracker:负责执⾏由JobTracker指派的任务
D. SecondaryNameNode:帮助NameNode收集⽂件系统运⾏的状态信息
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. Hadoop擅长批处理,不适合流计算
B. MapReduce是专门⾯向静态数据的批量处理的
C. Hadoop设计的初衷是⾯向⼤规模数据的批量处理
D. MapReduce不适合⽤于处理持续到达的动态数据
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. 命名空间的限制
B. 性能的瓶颈
C. 隔离问题
D. 集群的可⽤性
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. Mnesia是⼀个分布式数据库管理系统
B. Mnesia的数据库模式(schema)只能在未运⾏前静态重配置
C. Mnesia的这些特性,使其在开发云数据库时被⽤来提供分布式数据库服务
D. Mnesia⽀持事务,⽀持透明的数据分⽚
A. ⾼性能:处理⼤数据的基本要求,如每秒处理⼏⼗万条数据
B. 实时性:保证较低的延迟时间,达到秒级别,甚⾄是毫秒级别
C. 分布式:⽀持⼤数据的基本架构,必须能够平滑扩展
D. 可靠性:能可靠地处理流数据
A. Hadoop⾃⾝核⼼组件MapReduce的架构设计改进
B. Hadoop⾃⾝核⼼组件HDFS的架构设计改进
C. Hadoop⽣态系统其它组件的不断丰富
D. Hadoop⽣态系统减少不必要的组件,整合系统