A、 描边(stroke)-颜⾊值
B、 描边宽度(stroke-width)-数字(通常以像素为单位)
C、 SVG的默认样式是⿊⾊填充
D、 不透明度(opacity)–0.0(完全透明)和1.0(完全不透明)之间的数值
答案：ABCD
A、 描边(stroke)-颜⾊值
B、 描边宽度(stroke-width)-数字(通常以像素为单位)
C、 SVG的默认样式是⿊⾊填充
D、 不透明度(opacity)–0.0(完全透明)和1.0(完全不透明)之间的数值
答案：ABCD
A. 充分利⽤主从库实现⽤户读写操作的分离，实现负载均衡
B. UMP系统实现了对于⽤户透明的读写分离功能
C. UMP采⽤的两种资源隔离⽅式(⽤Cgroup限制MySQL进程资源和在Proxy服务器端限制QPS)
D. UMP系统只设计了⼀种机制来保证数据安全
A. 名称节点出错
B. 数据节点出错
C. 数据出错
D. 数据源太⼤
A. ResourceManager
B. NodeManager
C. ApplicationMaster
D. DataManager
A. 圆。使⽤cx和cy，指定指定半径的中⼼的坐标，和ŗ表⽰半径
B. 线。使⽤x1和Y1到指定线的⼀端的坐标，x2和y2指定的另⼀端的坐标。
C. ⽂本。使⽤x和y指定⽂本的位置
D. 椭圆。使⽤x和y的指定左上⾓的坐标，width和height指定的尺⼨
A. 使⽤DAG执⾏引擎以⽀持循环数据流与内存计算
B. 可运⾏于独⽴的集群模式中，可运⾏于Hadoop中，也可运⾏于AmazonEC2等云环境中
C. ⽀持使⽤Scala、Java、Python和R语⾔进⾏编程，但是不可以通过SparkShell进⾏交互式编程
D. Spark提供了内存计算，可将中间结果放到内存中，对于迭代计算效率更⾼
A. AllGrouping:⼴播发送，每⼀个Task都会收到所有的Tuple
B. GlobalGrouping:全局分组，所有的Tuple都发送到同⼀个Task中
C. FieldsGrouping:按照字段分组，保证相同字段的Tuple分配到同⼀个Task中
D. DirectGrouping:随机分组，随机分发Stream中的Tuple，保证每个Bolt的Task接收Tuple数量⼤致⼀致
A. 批量计算:充裕时间处理静态数据，如Hadoop
B. 静态数据不适合采⽤批量计算，因为它不适合⽤传统的关系模型建模
C. 流数据必须采⽤实时计算
D. 流数据的响应时间为秒级
A. 扩展性好，灵活性好
B. ⼤量写操作时性能⾼
C. ⽆法存储结构化信息
D. 条件查询效率⾼
A. 顶点的当前值
B. 消息队列
C. 标志位
D. ⼀个接收到的消息的迭代器
A. 主从结构模型
B. 分层模式
C. 管道-过滤器模式
D. 点对点模式
