256、下列对于Pregel的执⾏过程，哪些是正确的?

A. 　CPU性能

B. 　内存

C. 　⽹络

D. 　存储容量

A. 　读写分离

B. 　分库分表

C. 　数据安全

D. 　资源合并

A. 　在Pregel执⾏计算过程时，在每个超步中都会并⾏调⽤每个顶点上定义的Compute()函数

B. 　顶点之间的通讯是借助于消息传递机制来实现的

C. 　在默认情况下，Pregel计算框架并不会开启Combiner功能

D. 　通常只对那些满⾜交换律和结合律的操作才可以去开启Combiner功能

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

A. 　MapReduce默认1000MB缓存

B. 　多个溢写⽂件归并成⼀个或多个⼤⽂件，⽂件中的键值对是排序的

C. 　当数据很少时，不需要溢写到磁盘，直接在缓存中归并，然后输出给Reduce

D. 　每个Map任务分配多个缓存，使得任务运⾏更有效率

A. 　基于物品的协同过滤算法(简称ItemCF算法)是⽬前业界应⽤最多的算法

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算法通过建⽴⽤户到物品倒排表(每个⽤户喜欢的物品的列表)来计算物品相似度

D. 　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

A. 　为了让⽤户从海量信息中⾼效地获得⾃⼰所需的信息，推荐系统应运⽽⽣

B. 　推荐系统是⼤数据在互联⽹领域的典型应⽤

C. 　推荐系统是⾃动联系⽤户和物品的⼀种⼯具

D. 　推荐系统是利⽤⼤数据为⽤户推荐消费内容、调整线下门店布局、控制店内⼈流量

A. 　只⽀持少数⼏种编程语⾔

B. 　可扩展性⾼

C. 　成本低

D. 　能在linux上运⾏

A. 　Spark在借鉴HadoopMapReduce优点的同时，很好地解决了MapReduce所⾯临的问题

B. 　Spark的计算模式也属于MapReduce，但不局限于Map和Reduce操作

C. 　HadoopMapReduce编程模型⽐Spark更灵活

D. 　HadoopMapReduce提供了内存计算，可将中间结果放到内存中，对于迭代运算效率更⾼

A. 　MapReduce采⽤”分⽽治之”策略

B. 　MapReduce设计的⼀个理念就是”计算向数据靠拢”

C. 　MapReduce框架采⽤了Master/Slave架构

D. 　MapReduce应⽤程序只⽤Java来写