212、下列关于推荐长尾理论的描述，哪些是正确的?

A. 　解析⽹页的任务就是分析⼀个页⾯的链接数，但是不赋初值

B. 　PageRank分配就是多次迭代计算页⾯的PageRank值

C. 　收敛阶段的任务就是由⼀个⾮并⾏组件决定是否达到收敛

D. 　⼀般判断是否收敛的条件是所有⽹页的PageRank值不再变化，或者运⾏30次以后我们就认为已经收敛了

A. 　较低可扩展性

B. 　只⽀持java语⾔

C. 　成本低

D. 　运⾏在Linux平台上

A. 　库函数:链接到每个客户端

B. 　⼀个Master主服务器

C. 　许多个Region服务器

D. 　部署在廉价的计算机集群中

A. 　UserCF算法推荐的是那些和⽬标⽤户有共同兴趣爱好的其他⽤户所喜欢的物品

B. 　ItemCF算法推荐的是那些和⽬标⽤户之前喜欢的物品类似的其他物品

C. 　ItemCF算法的推荐更偏向社会化，⽽UserCF算法的推荐更偏向于个性化

D. 　ItemCF算法倾向于推荐与⽤户已购买商品相似的商品，往往会出现多样性不⾜、推荐新颖度较低的问题

A. 　Client

B. 　JobTracker

C. 　TaskTracker

D. 　Task

A. 　CPU性能

B. 　内存

C. 　⽹络

D. 　存储容量

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. 　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. 　CA:也就是强调⼀致性(C)和可⽤性(A)，放弃分区容忍性(P)

B. 　CP:也就是强调⼀致性(C)和分区容忍性(P)，放弃可⽤性(A)

C. 　AP:也就是强调可⽤性(A)和分区容忍性(P)，放弃⼀致性(C)

D. 　CAP:也就是同时兼顾可⽤性(A)、分区容忍性(P)和⼀致性(C)，当时系统性能会下降很多

A. 　⽬录

B. 　⽂件

C. 　块

D. 　磁盘