A、 Standalone(类似于MapReduce1.0,slot为资源分配单位)
B、 SparkonMesos(和Spark有⾎缘关系,更好⽀持Mesos)
C、 SparkonYARN
D、 SparkonHDFS
答案:ABC
A、 Standalone(类似于MapReduce1.0,slot为资源分配单位)
B、 SparkonMesos(和Spark有⾎缘关系,更好⽀持Mesos)
C、 SparkonYARN
D、 SparkonHDFS
答案:ABC
A. 处理客户端请求
B. 监控NodeManager
C. 资源分配与调度
D. 处理来⾃ApplicationMaster的命令
A. Hadoop可以很好地解决⼤规模数据的离线批量处理问题,但是,受限于HadoopMapReduce编程框架的⾼延迟数据处理机制,使得
B. HDFS⾯向批量访问模式,不是随机访问模式
C. 传统的通⽤关系型数据库⽆法应对在数据规模剧增时导致的系统扩展性和性能问题
D. 传统关系数据库在数据结构变化时⼀般需要停机维护;空列浪费存储空间
A. HDFS采⽤具体的块概念,具有⽀持⼤规模⽂件存储、简化系统设计
B. HDFS采⽤了主从(Master/Slave)结构模型
C. HDFS采⽤了冗余数据存储,增强了数据可靠性
D. HDFS还采⽤了相应的数据存放、数据读取和数据复制策略,来提升系统整体读写响应性能
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. 专家推荐:⼈⼯推荐,由资深的专业⼈⼠来进⾏物品的筛选和推荐,需要较多的⼈⼒成本性
B. 基于统计的推荐:通过机器学习的⽅法去描述内容的特征,并基于内容的特征来发现与之相似的内容
C. 协同过滤推荐:应⽤最早和最为成功的推荐⽅法之⼀
D. 混合推荐:结合多种推荐算法来提升推荐效果
A. 数据中⼼是云计算的重要载体,为各种平台和应⽤提供运⾏⽀撑环境
B. 提供智能交通、智慧医疗、智能物流、智能电⽹等
C. 提供分布式计算、数据挖掘、统计分析等服务
D. 提供硬件、软件、⽹络等基础设施
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
A. 同⼀个Region不会被分拆到多个Region服务器
B. 为了加快访问速度,.META.表的全部Region都会被保存在内存中
C. ⼀个-ROOT-表可以有多个Region
D. 为了加速寻址,客户端会缓存位置信息,同时,需要解决缓存失效问题
A. 在传统的数据处理流程中,存储的数据是旧的
B. 在传统的数据处理流程中,需要⽤户主动发出查询来获取结果
C. 传统的数据处理流程,需要先采集数据并存储在关系数据库等数据管理系统中
D. 流计算的处理流程⼀般包含三个阶段:数据实时采集、数据批量计算、实时查询服务