118、MapReduce执⾏的全过程包括以下哪⼏个主要阶段?

A. 　间断性

B. 　原⼦性

C. 　⼀致性

D. 　持久性

A. 　许多⾮图结构的⼤数据，通常会被转换为关系模型后进⾏分析

B. 　许多⼤数据都是以⼤规模图或⽹络的形式呈现

C. 　图数据结构很好地表达了数据之间的关联性

D. 　关联性计算是⼤数据计算的核⼼

A. 　RDS是阿⾥云提供的关系型数据库服务

B. 　RDS由专业数据库管理团队维护

C. 　RDS具有安全稳定、数据可靠、⾃动备份

D. 　RDS实例，是⽤户购买RDS服务的基本单位。在实例中，⽤户只能创建⼀个数据库

A. 　MapReduce默认1000MB缓存

B. 　多个溢写⽂件归并成⼀个或多个⼤⽂件，⽂件中的键值对是排序的

C. 　当数据很少时，不需要溢写到磁盘，直接在缓存中归并，然后输出给Reduce

D. 　每个Map任务分配多个缓存，使得任务运⾏更有效率

A. 　为了让⽤户从海量信息中⾼效地获得⾃⼰所需的信息，推荐系统应运⽽⽣

B. 　推荐系统是⼤数据在互联⽹领域的典型应⽤

C. 　推荐系统是⾃动联系⽤户和物品的⼀种⼯具

D. 　推荐系统是利⽤⼤数据为⽤户推荐消费内容、调整线下门店布局、控制店内⼈流量

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. 　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. 　流数据层(Kafka)

B. 　执⾏层(YARN)

C. 　处理层(SamzaAPI)

D. 　数据采集层(Scribe)

A. 　⽆论是亚马逊还是Netflix，其推荐系统的基础都是ItemCF算法

B. 　ItemCF算法是给⽬标⽤户推荐那些和他们之前喜欢的物品相似的物品

C. 　ItemCF算法主要通过分析⽤户的⾏为记录来计算物品之间的相似度

D. 　实现UserCF算法的关键步骤是计算物品与物品之间的相似度