A、 SparkStreaming⽆法实现毫秒级的流计算
B、 Storm可以实现毫秒级响应件
C、 Storm的低延迟执⾏引擎(100ms+)可以⽤于实时计算
D、 SparkStreaming采⽤的⼩批量处理的⽅式使得它可以同时兼容批量和实时数据处理的逻辑和算法
答案:ABD
A、 SparkStreaming⽆法实现毫秒级的流计算
B、 Storm可以实现毫秒级响应件
C、 Storm的低延迟执⾏引擎(100ms+)可以⽤于实时计算
D、 SparkStreaming采⽤的⼩批量处理的⽅式使得它可以同时兼容批量和实时数据处理的逻辑和算法
答案:ABD
A. SparkStreaming⽆法实现毫秒级的流计算
B. Storm可以实现毫秒级响应件
C. Storm的低延迟执⾏引擎(100ms+)可以⽤于实时计算
D. SparkStreaming采⽤的⼩批量处理的⽅式使得它可以同时兼容批量和实时数据处理的逻辑和算法
A. 信息统计服务器定期将采集到的⽤户的连接数
B. Web控制台向系统⼈员提供系统管理界⾯
C. LVS(LinuxVirtualServer)即Linux虚拟服务器
D. UMP系统借助于LVS来实现集群内部的负载均衡
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. 间断性
B. 原⼦性
C. ⼀致性
D. 持久性
A. 智能物流
B. 智能安防
C. 环保监测
D. 数据采集
A. 结构化数据
B. 半结构化数据
C. 非结构化数据
D. 所有类型数据
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
A. 成熟期
B. 萌芽期
C. ⼤规模应⽤期
D. 迷茫期
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
B. 基于统计的推荐:基于统计信息的推荐(如热门推荐),易于实现,但对⽤户个性化偏好的描述能⼒较弱
C. 基于内容的推荐: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
D. 混合推荐:结合多种推荐算法来提升推荐效果