157、与HadoopMapReduce计算框架相⽐，Spark所采⽤的Executor具有哪些优点?

A. 　HTML:⽂档对象模型，⽤于修改⽂档的内容和结构

B. 　CSS:层叠样式表，⽤于设定⽹页的样式

C. 　SVG:可缩放⽮量图形，⽤于绘制可视化的图形

D. 　JavaScript:⼀种直译式脚本语⾔，⽤于设定⽹页的⾏为

A. 　不存在单点故障

B. 　JobTracker”⼤包⼤揽”导致任务过重

C. 　容易出现内存溢出(分配资源只考虑MapReduce任务数，不考虑CPU、内存)

D. 　资源划分不合理(强制划分为slot，包括Mapslot和Reduceslot)

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

A. 　存储被拆分的数据块

B. 　协调数据计算任务

C. 　负责协调集群中的数据存储

D. 　负责执⾏由JobTracker指派的任务

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

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. 　顶点的出度

B. 　顶点

C. 　边

D. 　消息

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. 　从编程的灵活性来讲，Storm是⽐较理想的选择，它使⽤ApacheThrift，可以⽤任何编程语⾔来编写拓扑结构(Topology)

B. 　当有⼤量的状态需要处理时，⽐如每个分区都有数⼗亿个元组，则可以选择Storm和SparkStreaming

C. 　SparkStreaming⽆法实现毫秒级的流计算

D. 　在Spark上可以统⼀部署SparkSQL，SparkStreaming、MLlib，GraphX等组件，提供便捷的⼀体化编程模型

A. 　实时性差(适合批处理，不⽀持实时交互式)

B. 　资源浪费(Map和Reduce分两阶段执⾏)

C. 　执⾏迭代操作效率低

D. 　难以看到程序整体逻辑