190、在⼤数据时代，可视化技术可以⽀持实现哪些⽬标?

A. 　⼤数据成为⼀种新的决策⽅式

B. 　⼤数据应⽤促进信息技术与各⾏业的深度融合

C. 　⼤数据开发推动新技术和新应⽤的不断涌现

D. 　⼤数据使得数据科学家成为热门职业

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. 　为⽤户提供了系统顶层分布式基础架构

B. 　具有较差的跨平台特性

C. 　可以部署在廉价的计算机集群中

D. 　被公认为⾏业⼤数据标准开源软件

A. 　⽬录

B. 　⽂件

C. 　块

D. 　磁盘

A. 　相对于Spark来说，使⽤Hadoop进⾏迭代计算⾮常耗资源

B. 　Spark将数据载⼊内存后，之后的迭代计算都可以直接使⽤内存中的中间结果作运算，避免了从磁盘中频繁读取数据

C. 　Hadoop的设计遵循”⼀个软件栈满⾜不同应⽤场景”的理念

D. 　Spark可以部署在资源管理器YARN之上，提供⼀站式的⼤数据解决⽅案

A. 　RDBMS有关系代数理论作为基础，NoSQL没有统⼀的理论基础

B. 　NoSQL很难实现横向扩展，RDBMS可以很容易通过添加更多设备来⽀持更⼤规模的数据

C. 　RDBMS需要定义数据库模式，严格遵守数据定义，NoSQL不存在数据库模式，可以⾃由灵活定义并存储各种不同类型的数据

D. 　RDBMS借助于索引机制可以实现快速查询，很多NoSQL数据库没有⾯向复杂查询的索引

A. 　⽀持各种编程语⾔:Storm⽀持使⽤各种编程语⾔来定义任务

B. 　容错性:Storm需要⼈⼯进⾏故障节点的重启、任务的重新分配

C. 　可扩展性:Storm的并⾏特性使其可以运⾏在分布式集群中

D. 　免费、开源:Storm是⼀款开源框架，可以免费使⽤

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. 　所有的数据交换都是通过MapReduce框架⾃⾝去实现的

B. 　不同的Map任务之间会进⾏通信

C. 　不同的Reduce任务之间可以发⽣信息交换

D. 　⽤户可以显式地从⼀台机器向另⼀台机器发送消息