A、 顶点的当前值
B、 以该顶点为起点的出射边列表,每条出射边包含了⽬标顶点ID和边的值
C、 消息队列,包含了所有接收到的、发送给该顶点的消息
D、 标志位,⽤来标记顶点是否处于活跃状态
答案:ABCD
A、 顶点的当前值
B、 以该顶点为起点的出射边列表,每条出射边包含了⽬标顶点ID和边的值
C、 消息队列,包含了所有接收到的、发送给该顶点的消息
D、 标志位,⽤来标记顶点是否处于活跃状态
答案:ABCD
A. 推荐系统:为⽤户推荐相关商品
B. 物流:基于⼤数据和物联⽹技术的智能物流
C. 智能交通:利⽤交通⼤数据,实现交通实时监控
D. 汽车:⽆⼈驾驶汽车,实时采集车辆各种⾏驶数据和周围环境
A. ⽹络层
B. 访问层
C. ⼤数据层
D. 数据源层
解析:答案解析
A. 创建表的时候,可以通过HColumnDescriptor.setInMemory(true)将表放到Region服务器的缓存中,保证在读取的时候被cache命中
B. 创建表的时候,可以通过HColumnDescriptor.setMaxVersions(intmaxVersions)设置表中数据的最⼤版本,如果只需要保存最新版本的数据,那么可以设置setMaxVersions(1)
C. 创建表的时候,可以通过HColumnDescriptor.setTimeToLive(inttimeToLive)设置表中数据的存储⽣命期
D. 如果最近写⼊HBase表中的数据是最可能被访问的,可以考虑将时间戳作为⾏键的⼀部分
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. ⽤户建模模块:对⽤户进⾏建模,根据⽤户⾏为数据和⽤户属性数据来分析⽤户的兴趣和需求
B. 推荐对象建模模块:根据对象数据对推荐对象进⾏建模
C. 推荐算法模块:基于⽤户特征和物品特征,采⽤推荐算法计算得到⽤户可能感兴趣的对象
D. 推荐算法模块:根据推荐场景对推荐结果进⾏⼀定调整,将推荐结果最终展⽰给⽤户
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. Pregel将PageRank处理对象看成是连通图,⽽MapReduce则将其看成是键值对
B. Pregel将计算细化到顶点,同时在顶点内控制循环迭代次数
C. apReduce将计算批量化处理,按任务进⾏循环迭代控制
D. 图算法如果⽤Pregel实现,需要⼀系列的Pregel的调⽤
A. Standalone(类似于MapReduce1.0,slot为资源分配单位)
B. SparkonMesos(和Spark有⾎缘关系,更好⽀持Mesos)
C. SparkonYARN
D. SparkonHDFS
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