大数据技术-题库

1、第一次信息化浪潮主要解决什么问题？

A、 信息传输

B、 信息处理

C、 信息爆炸

D、 信息转换

2、下面哪个选项属于大数据技术的"数据存储和管理"技术层面的功能？

A、 利用分布式文件系统、数据仓库、关系数据库等实现对结构化、半结构化 和非结构化海量数据的存储和管理

B、 利用分布式并行编程模型和计算框架，结合机器学习和数据挖掘算法，实 现对海量数据的处理和分析

C、 构建隐私数据保护体系和数据安全体系，有效保护个人隐私和数据安全

D、 把实时采集的数据作为流计算系统的输入，进行实时处理分析

3、在大数据的计算模式中，流计算解决的是什么问题？

A、 针对大规模数据的批量处理

B、 针对大规模图结构数据的处理

C、 大规模数据的存储管理和查询分析

D、 针对流数据的实时计算

4、大数据产业指什么？

A、 一切与支撑大数据组织管理和价值发现相关的企业经济活动的集合

B、 提供智能交通、智慧医疗、智能物流、智能电网等行业应用的企业

C、 提供数据分享平台、数据分析平台、数据租售平台等服务的企业

D、 提供分布式计算、数据挖掘、统计分析等服务的各类企业

5、下列哪一个不属于大数据产业的产业链环节？

A、 数据存储层

B、 数据源层

C、 数据分析层

D、 数据应用层

6、下列哪一个不属于 IT 领域最新的技术发展趋势？

A、 互联网

B、 云计算

C、 大数据

D、 物联网

7、云计算平台层（PaaS）指的是什么？

A、 操作系统和围绕特定应用的必需的服务

B、 将基础设施(计算资源和存储)作为服务出租

C、 从一个集中的系统部署软件，使之在一台本地计算机上(或从云中远程地) 运行的一个模型

D、 提供硬件、软件、网络等基础设施以及提供咨询、规划和系统集成服务 8、云计算数据中心是什么？

A、 数据中心是云计算的重要载体，为各种平台和应用提供运行支撑环境

B、 提供智能交通、智慧医疗、智能物流、智能电网等

C、 提供分布式计算、数据挖掘、统计分析等服务

D、 提供硬件、软件、网络等基础设施

9、下列哪个不属于物联网的应用？

A、 智能物流

B、 智能安防

C、 环保监测

D、 数据采集

10、下列哪项不属于大数据的发展历程？

A、 成熟期

B、 萌芽期

C、 大规模应用期

D、 迷茫期

11、第三次信息化浪潮的标志是什么？

A、 个人计算机

B、 物联网

C、 云计算和大数据

D、 互联网

12、信息科技为大数据时代提供哪些技术支撑？

A、 存储设备容量不断增加

B、 网络带宽不断增加

C、 CPU 处理能力大幅提升

D、 数据量不断增大

13、大数据具有哪些特点？

A、 数据的"大量化"

B、 数据的"快速化"

C、 数据的"多样化"

D、 数据的"价值化"

14、下面哪个属于大数据的应用领域？

A、 智能医疗研发

B、 监控身体情况

C、 实时掌握交通状况

D、 金融交易

15、大数据的两个核心技术是什么？

A、 分布式存储

B、 数据处理与分析

C、 分布式处理

D、 数据存储与管理

16、云计算关键技术包括什么？

A、 分布式存储

B、 虚拟化

C、 分布式计算

D、 多租户

17、云计算的服务模式和类型包括哪些？

A、 软件即服务（SaaS）

B、 平台即服务（PaaS）

C、 基础设施即服务（IaaS）

D、 数据即服务（DaaS）

18、物联网主要由下列哪些部分组成的？

A、 应用层

B、 处理层

C、 感知层

D、 网络层

19、物联网的关键技术包括哪些？

A、 识别和感知技术

B、 网络与通信技术

C、 数据挖掘与融合技术

D、 信息处理一体化技术

20、大数据对社会发展的影响有哪些？

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

21、下列哪个不属于 Hadoop 的特性？

A、 成本高

B、 高可靠性

C、 高容错性

D、 运行在 Linux 平台上

22、Hadoop 框架中最核心的设计是什么？

A、 为海量数据提供存储的 HDFS 和对数据进行计算的 MapReduce

B、 提供整个 HDFS 文件系统的 NameSpace(命名空间)管理、块管理等所有服务

C、 Hadoop 不仅可以运行在企业内部的集群中，也可以运行在云计算环境中

D、 Hadoop 被视为事实上的大数据处理标准

23、在一个基本的 Hadoop 集群中，DataNode 主要负责什么？

A、 存储被拆分的数据块

B、 协调数据计算任务

C、 负责协调集群中的数据存储

D、 负责执行由 JobTracker 指派的任务 24、Hadoop 最初是由谁创建的？

A、 Doug Cutting

B、 Lucene

C、 Apache

D、 MapReduce

25、下列哪一个不属于 Hadoop 的大数据层的功能？

A、 数据挖掘

B、 离线分析

C、 实时查询

D、 BI 分析

26、在一个基本的 Hadoop 集群中，SecondaryNameNode 主要负责什么？

A、 帮助 NameNode 收集文件系统运行的状态信息

B、 负责执行由 JobTracker 指派的任务

C、 协调数据计算任务

D、 负责协调集群中的数据存储

27、下面哪一项不是 Hadoop 的特性？

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

28、下列哪个不是 Hadoop 在企业中的应用架构？

A、 网络层

B、 访问层

C、 大数据层

D、 数据源层

29、在 Hadoop 项目结构中，HDFS 指的是什么？

A、 分布式文件系统

B、 分布式并行编程模型

C、 资源管理和调度器

D、 Hadoop 上的数据仓库

30、在 Hadoop 项目结构中，MapReduce 指的是什么？

A、 分布式并行编程模型

B、 流计算框架

C、 Hadoop 上的工作流管理系统

D、 提供分布式协调一致性服务 31、Hadoop 的特性包括哪些？

A、 高可扩展性

B、 支持多种编程语言

C、 成本低

D、 运行在 Linux 平台上

32、Hadoop 在企业中的应用架构包括哪几层？

A、 访问层

B、 大数据层

C、 数据源层

D、 网络层

33、Hadoop 中，访问层的功能是什么？

A、 数据分析

B、 数据实时查询

C、 数据挖掘

D、 数据接收

34、MapReduce 的作业主要包括什么？

A、 从磁盘或从网络读取数据，即 IO 密集工作

B、 计算数据，即 CPU 密集工作

C、 针对不同的工作节点选择合适硬件类型

D、 负责协调集群中的数据存储

35、一个基本的 Hadoop 集群中的节点主要包括什么？

A、 DataNode：存储被拆分的数据块

B、 JobTracker：协调数据计算任务

C、 TaskTracker：负责执行由 JobTracker 指派的任务

D、 SecondaryNameNode：帮助 NameNode 收集文件系统运行的状态信息 36、下列关于 Hadoop 的描述，哪些是正确的?

A、 为用户提供了系统底层细节透明的分布式基础架构

B、 具有很好的跨平台特性

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 37、Hadoop 主要提供哪些技术服务?

A、 开发工具

B、 开源软件

C、 商业化工具

D、 数据采集

38、Hadoop 集群的整体性能主要受到什么因素影响？

A、 CPU 性能

B、 内存

C、 网络

D、 存储容量

39、下列关于 Hadoop 的描述，哪些是错误的？

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

40、下列哪一项不属于 Hadoop 的特性？

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

41、分布式文件系统指的是什么？

A、 把文件分布存储到多个计算机节点上，成千上万的计算机节点构成计算机 集群

B、 用于在 Hadoop 与传统数据库之间进行数据传递

C、 一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统

D、 一种高吞吐量的分布式发布订阅消息系统，可以处理消费者规模的网站中 的所有动作流数据

42、下面哪一项不属于计算机集群中的节点？

A、 源节点（SourceNode）

B、 主节点(Master Node)

C、 名称结点(NameNode)

D、 节点（Slave Node）

43、在 HDFS 中，默认一个块多大？

A、 64MB

B、 32MB

C、 128MB

D、 16MB

44、下列哪一项不属于 HDFS 采用抽象的块概念带来的好处？

A、 强大的跨平台兼容性

B、 支持大规模文件存储

C、 简化系统设计

D、 适合数据备份

45、在 HDFS 中，NameNode 的主要功能是什么？

A、 存储元数据

B、 存储文件内容

C、 文件内存保存在磁盘中

D、 维护了 block id 到 datanode 本地文件的映射关系 46、下面对 FsImage 的描述，哪个是错误的？

A、 FsImage 文件没有记录文件包含哪些块以及每个块存储在哪个数据节点

B、 FsImage 文件包含文件系统中所有目录和文件 inode 的序列化形式

C、 FsImage 用于维护文件系统树以及文件树中所有的文件和文件夹的元数据

D、 FsImage 文件记录了所有针对文件的创建、删除、重命名等操作

47、下面对 SecondaryNameNode 第二名称节点的描述，哪个是错误的？

A、 SecondaryNameNode 一般是并行运行在多台机器上

B、 它是用来保存名称节点中对 HDFS 元数据信息的备份，并减少名称节点重启 的时间

C、 SecondaryNameNode 通过 HTTPGET 方式从 NameNode 上获取到 FsImage 和 EditLog 文件，并下载到本地的相应目录下

D、 SecondaryNameNode 是 HDFS 架构中的一个组成部分 48、HDFS 采用了什么模型？

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

49、在 Hadoop 项目结构中，HDFS 指的是什么？

A、 分布式文件系统

B、 流数据读写

C、 资源管理和调度器

D、 Hadoop 上的数据仓库

50、下列关于 HDFS 的描述，哪个不正确？

A、 HDFS 采用具体的块概念，具有支持大规模文件存储、简化系统设计

B、 HDFS 采用了主从（Master/Slave）结构模型

C、 HDFS 采用了冗余数据存储，增强了数据可靠性

D、 HDFS 还采用了相应的数据存放、数据读取和数据复制策略，来提升系统整 体读写响应性能

51、HDFS 要实现以下哪几个目标？

A、 兼容廉价的硬件设备

B、 流数据读写

C、 大数据集

D、 复杂的文件模型

52、HDFS 特殊的设计，在实现上述优良特性的同时，也使得自身具有一些应用 局限性，主要包括以下哪几个方面？

A、 不适合低延迟数据访问

B、 无法高效存储大量小文件

C、 不支持多用户写入及任意修改文件

D、 较差的跨平台兼容性

53、HDFS 采用抽象的块概念可以带来以下哪几个明显的好处？

A、 支持大规模文件存储

B、 简化系统设计

C、 适合数据备份

D、 支持中等规模文件存储

54、在 HDFS 中，名称节点（NameNode）主要保存了哪些核心的数据结构？

A、 FsImage

B、 EditLog

C、 Block

D、 DN8

55、数据节点（DataNode）的主要功能包括哪些？

A、 负责数据的存储和读取

B、 根据客户端或者是名称节点的调度来进行数据的存储和检索

C、 向名称节点定期发送自己所存储的块的列表

D、 用来保存名称节点中对 HDFS 元数据信息的备份，并减少名称节点重启的时 间

56、HDFS 的命名空间包含什么？

A、 目录

B、 文件

C、 块

D、 磁盘

57、下列对于客服端的描述，哪些是正确的？

A、 客户端是用户操作 HDFS 最常用的方式，HDFS 在部署时都提供了客户端

B、 HDFS 客户端是一个库，暴露了 HDFS 文件系统接口

C、 严格来说，客户端并不算是 HDFS 的一部分

D、 客户端可以支持打开、读取、写入等常见的操作

58、HDFS 只设置唯一一个名称节点，这样做虽然大大简化了系统设计，但也带 来了哪些明显的局限性？

A、 命名空间的限制

B、 性能的瓶颈

C、 隔离问题

D、 集群的可用性

59、HDFS 数据块多副本存储具备以下哪些有点？

A、 加快数据传输速度

B、 容易检查数据错误

C、 保证数据可靠性

D、 适合多平台上运行

60、HDFS 具有较高的容错性，设计了哪些相应的机制检测数据错误和进行自动 恢复？

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

61、下列哪个不属于 NoSQL 数据库的特点？

A、 灵活的可扩展性

B、 灵活的数据模型

C、 与云计算紧密融合

D、 大型的数据库

62、下面关于 NoSQL 和关系数据库的简单比较，哪个是错误的？

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

63、下列哪一项不属于 NoSQL 的四大类型？

A、 文档数据库

B、 图数据库

C、 列族数据库

D、 时间戳数据库

64、下列关于键值数据库的描述，哪一项是错误的？

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

65、下列关于列族数据库的描述，哪一项是错误的？

A、 查找速度慢，可扩展性差

B、 功能较少，大都不支持强事务一致性

C、 容易进行分布式扩展

D、 复杂性低

66、下列哪一项不属于数据库事务具有 ACID 四性？

A、 间断性

B、 原子性

C、 一致性

D、 持久性

67、下面关于 MongoDB 说法，哪一项是正确的？

A、 具有较差的水平可扩展性

B、 设置个别属性的索引来实现更快的排序

C、 提供了一个面向文档存储，操作复杂

D、 可以实现替换完成的文档（数据）或者一些指定的数据字段 68、下列关于 MongoDB 数据类型的说法，哪一项是错误的？

A、 Code 用于存储二进制数据

B、 Object 用于内嵌文档

C、 Null 用于创建空值

D、 String 字符串，储数据常用的数据类型

69、下列关于 NoSQL 与关系数据库的比较，哪个说法是错误的？

A、 在一致性方面，RDBMS 强于 NoSQL

B、 在数据完整性方面，RDBMS 容易实现

C、 在扩展性方面，NoSQL 比较好

D、 在可用性方面，NoSQL 优于 RDBMS

70、关于文档数据库的说法，下列哪一项是错误的？

A、 数据是规则的

B、 性能好（高并发）

C、 缺乏统一的查询语法

D、 复杂性低

71、关系数据库已经无法满足 Web2.0 的需求，主要表现在以下几个方面？

A、 无法满足海量数据的管理需求

B、 无法满足数据高并发的需求

C、 无法满足高可扩展性和高可用性的需求

D、 使用难度高

72、下列关于 MySQL 集群的描述，哪些是正确的？

A、 复杂性：部署、管理、配置很复杂

B、 数据库复制：MySQL 主备之间采用复制方式，只能是异步复制

C、 扩容问题：如果系统压力过大需要增加新的机器，这个过程涉及数据重新 划分

D、 动态数据迁移问题：如果某个数据库组压力过大，需要将其中部分数据迁 移出去

73、关系数据库引以为傲的两个关键特性（完善的事务机制和高效的查询机 制），到了 Web2.0 时代却成了鸡肋，主要表现在以下哪几个方面？

A、 Web2.0 网站系统通常不要求严格的数据库事务

B、 Web2.0 网站系统基本上不用数据库来存储

C、 Web2.0 并不要求严格的读写实时性

D、 Web2.0 通常不包含大量复杂的 SQL 查询

74、下面关于 NoSQL 与关系数据库的比较，哪些是正确的？

A、 关系数据库以完善的关系代数理论作为基础，有严格的标准

B、 关系数据库可扩展性较差，无法较好支持海量数据存储

C、 NoSQL 可以支持超大规模数据存储

D、 NoSQL 数据库缺乏数学理论基础，复杂查询性能不高 75、下列关于文档数据库的描述，哪些是正确的？

A、 性能好（高并发），灵活性高

B、 具备统一的查询语法

C、 文档数据库支持文档间的事务

D、 复杂性低，数据结构灵活

76、下列关于图形数据库的描述，哪些是正确的？

A、 专门用于处理具有高度相互关联关系的数据

B、 比较适合于社交网络、模式识别、依赖分析、推荐系统以及路径寻找等问 题

C、 灵活性高，支持复杂的图形算法

D、 复杂性高，只能支持一定的数据规模 77、NoSQL 的三大基石？

A、 CAP

B、 最终一致性

C、 BASE

D、 DN8

78、关于 NoSQL 的三大基石之一的 CAP，下列哪些说法是正确的？

A、 一致性，是指任何一个读操作总是能够读到之前完成的写操作的结果量

B、 一个分布式系统可以同时满足一致性、可用性和分区容忍性这三个需求

C、 可用性，是指快速获取数据

D、 分区容忍性，是指当出现网络分区的情况时（即系统中的一部分节点无法 和其他节点进行通信），分离的系统也能够正常运行

79、当处理 CAP 的问题时，可以有哪几个明显的选择？

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

80、数据库事务具有 ACID 四性，下面哪几项属于四性？

A、 原子性

B、 持久性

C、 间断性

D、 一致性

81、下列哪个不属于云计算的优势？

A、 按需服务

B、 随时服务

C、 通用性

D、 价格不菲

82、下列关于云数据库的描述，哪个是错误的？

A、 云数据库是部署和虚拟化在云计算环境中的数据库

B、 云数据库是在云计算的大背景下发展起来的一种新兴的共享基础架构的方 法

C、 云数据库价格不菲，维护费用极其昂贵

D、 云数据库具有高可扩展性、高可用性、采用多租形式和支持资源有效分发 等特点

83、下列哪一个不属于云数据库产品？

A、 MySQL

B、 阿里云 RDS

C、 Oracle Cloud

D、 百度云数据库

84、UMP 系统是构建在一个大的集群之上的，下列哪一项不属于系统向用户提 供的功能？

A、 读写分离

B、 分库分表

C、 数据安全

D、 资源合并

85、下列关于 UMP 系统功能的说法，哪个是错误的？

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 86、下列关于阿里云 RDS 的说法，哪个是错误的？

A、 RDS 是阿里云提供的关系型数据库服务

B、 RDS 由专业数据库管理团队维护

C、 RDS 具有安全稳定、数据可靠、自动备份

D、 RDS 实例，是用户购买 RDS 服务的基本单位。在实例中，用户只能创建一 个数据库

87、下面哪一项不是云数据库的特性？

A、 动态可扩展

B、 高成本

C、 易用性

D、 大规模并行处理

88、下列哪个不是 UMP 系统中的角色？

A、 Controller 服务器

B、 Proxy 服务器

C、 愚公系统

D、 数据处理服务器

89、关于 UMP 系统架构依赖的开源组件 Mnesia，说法错误的是哪一项？

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

90、关于 UMP 系统架构的 Controller 服务器，说法错误的是哪一项？

A、 Controller 服务器向 UMP 集群提供各种管理服务

B、 Controller 服务器上运行了一组 Mnesia 分布式数据库服务

C、 当其它服务器组件需要获取用户数据时，不可以向 Controller 服务器发送 请求获取数据

D、 为了避免单点故障，保证系统的高可用性，UMP 系统中部署了多台 Controller 服务器

91、云数据库具有以下哪些特性？

A、 动态可扩展

B、 高可用性

C、 免维护

D、 安全

92、下列关于云数据库的描述，哪些是正确的？

A、 Amazon 是云数据库市场的先行者

B、 Google Cloud SQL 是谷歌公司推出的基于 MySQL 的云数据库

C、 从数据模型的角度来说，云数据库并非一种全新的数据库技术

D、 云数据库并没有专属于自己的数据模型

93、UMP 系统架构设计遵循了以下哪些原则？

A、 保持单一的系统对外入口，并且为系统内部维护单一的资源池

B、 消除单点故障，保证服务的高可用性

C、 保证系统具有良好的可伸缩，能够动态地增加、删减计算与存储节点

D、 保证分配给用户的资源也是弹性可伸缩的

94、UMP 系统架构依赖的哪些开源组件？

A、 Mnesia

B、 LVS

C、 RabbitMQ

D、 ZooKeeper

95、一个基本的 Hadoop 集群中的节点主要包括什么？

A、 DataNode：存储被拆分的数据块

B、 JobTracker：协调数据计算任务

C、 TaskTracker：负责执行由 JobTracker 指派的任务

D、 SecondaryNameNode：帮助 NameNode 收集文件系统运行的状态信息 96、下列关于 UMP 系统架构的描述，哪些是正确的？

A、 信息统计服务器定期将采集到的用户的连接数

B、 Web 控制台向系统人员提供系统管理界面

C、 LVS(Linux Virtual Server)即 Linux 虚拟服务器

D、 UMP 系统借助于 LVS 来实现集群内部的负载均衡

97、为什么说云数据库是个性化数据存储需求的理想选择？

A、 云数据库可以满足大企业的海量数据存储需求

B、 云数据库可以满足中小企业的低成本数据存储需求

C、 云数据库可以满足企业动态变化的数据存储需求

D、 前期零投入、后期免维护的数据库服务，可以很好满足它们的需求 98、下列关于云数据库与其他数据库的关系，哪些是正确的？

A、 从数据模型的角度来说，云数据库并非一种全新的数据库技术

B、 云数据库并没有专属于自己的数据模型，云数据库所采用的数据模型可以 是关系数据库所使用的关系模型

C、 同一个公司只能提供采用不同数据模型的单个云数据库服务

D、 许多公司在开发云数据库时，后端数据库都是直接使用现有的各种关系数 据库或 NoSQL 数据库产品

99、下列关于 Amazon 的云数据库产品，说法正确的哪几项？

A、 Amazon RDS：云中的关系数据库

B、 Amazon SimpleDB：云中的键值数据库

C、 Amazon DynamoDB：云中的数据仓库

D、 Amazon ElastiCache：云中的分布式内存缓存

100、Microsoft 的云数据库产品 SQL Azure 具有以下哪些特性？

A、 属于关系型数据库：支持使用 TSQL 来管理、创建和操作云数据库

B、 支持存储过程：它的数据类型、存储过程和传统的 SQL Server 具有很大的 相似性

C、 支持大量数据类型

D、 支持云中的事务：支持局部事务，但是不支持分布式事务 101、下列传统并行计算框架，说法错误的是哪一项？

A、 刀片服务器、高速网、SAN，价格贵，扩展性差上

B、 共享式(共享内存/共享存储)，容错性好

C、 what-how，难

D、 实时、细粒度计算、计算密集型

102、下列关于 MapReduce 模型的描述，错误的是哪一项？

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

103、MapReduce 的体系结构在，JobTracker 是主要任务是什么？

A、 负责资源监控和作业调度，监控所有 TaskTracker 与 Job 的健康状况

B、 使用"slot"等量划分本节点上的资源量（CPU、内存等）

C、 会周期性地通过"心跳"将本节点上资源的使用情况和任务的运行进度汇 报给 TaskTracker

D、 会跟踪任务的执行进度、资源使用量等信息，并将这些信息告诉任务

（Task）

104、下列关于 MapReduce 工作流程，哪个描述是正确的？

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 105、下列关于 MapReduce 的说法，哪个描述是错误的？

A、 MapReduce 具有广泛的应用，比如关系代数运算、分组与聚合运算等

B、 MapReduce 将复杂的、运行于大规模集群上的并行计算过程高度地抽象到 了两个函数

C、 编程人员在不会分布式并行编程的情况下，也可以很容易将自己的程序运 行在分布式系统上，完成海量数据集的计算

D、 不同的 Map 任务之间可以进行通信

106、下列关于 Map 和 Reduce 函数的描述，哪个是错误的？

A、 Map 将小数据集进一步解析成一批对，输入 Map 函数中进行处 理

B、 Map 每一个输入的会输出一批。是计 算的中间结果

C、 Reduce 输入的中间结果中的 List(v 2 )表示是一批属 于不同一个 k 2 的 value

D、 Reduce 输入的中间结果中的 List(v 2 )表示是一批属 于同一个 k 2 的 value

107、下面哪一项不是 MapReduce 体系结构主要部分？

A、 Client

B、 JobTracker

C、 TaskTracker 以及 Task

D、 Job

108、关于 MapReduce 的体系结构的描述，下列说法错误的是？

A、 用户可通过 Client 提供的一些接口查看作业运行状态

B、 用户编写的 MapReduce 程序通过 Client 提交到 JobTracker 端

C、 JobTracker 负责资源监控和作业调度

D、 JobTracker 会跟踪任务的执行进度、资源使用量等信息，并将这些信息告 诉任务调度器（TaskScheduler）

109、关于 MapReduce 的体系结构的描述，下列说法错误的是？

A、 Task 分为 Map Task 和 Reduce Task 两种，分别由 JobTracker 和 TaskTracker 启动

B、 slot 分为 Map slot 和 Reduce slot 两种，分别供 MapTask 和 Reduce Task 使用

C、 TaskTracker 使用"slot"等量划分本节点上的资源量（CPU、内存等）

D、 TaskTracker 会周期性接收 JobTracker 发送过来的命令并执行相应的操 作（如启动新任务、杀死任务等）

110、下列说法有误的是？

A、 Hadoop MapReduce 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

111、MapReduce 相较于传统的并行计算框架有什么优势？

A、 非共享式，容错性好

B、 普通 PC 机，便宜，扩展性好

C、 what，简单

D、 批处理、非实时、数据密集型

112、MapReduce 体系结构主要由以下那几部分构成？

A、 Client

B、 JobTracker

C、 TaskTracker

D、 Task

113、下列关于 MapReduce 的体系结构的描述，说法正确的有？

A、 用户编写的 MapReduce 程序通过 Client 提交到 JobTracker 端

B、 JobTracker 负责资源监控和作业调度

C、 TaskTracker 监控所有 TaskTracker 与 Job 的健康状况

D、 TaskTracker 使用"slot"等量划分本节点上的资源量（CPU、内存等） 114、MapReduce 的作业主要包括什么？

A、 从磁盘或从网络读取数据，即 IO 密集工作

B、 计算数据，即 CPU 密集工作

C、 针对不同的工作节点选择合适硬件类型

D、 负责协调集群中的数据存储

115、对于 MapReduce 而言，其处理单位是 split。split 是一个逻辑概念， 它包含哪些元数据信息？

A、 数据起始位置

B、 数据长度

C、 数据所在节点

D、 数据大小

116、下列关于 Map 端的 Shuffle 的描述，哪些是正确的？

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 117、MapReduce 的具体应用包括哪些？

A、 关系代数运算（选择、投影、并、交、差、连接）

B、 分组与聚合运算

C、 矩阵-向量乘法

D、 矩阵乘法

118、MapReduce 执行的全过程包括以下哪几个主要阶段？

A、 从分布式文件系统读入数据

B、 执行 Map 任务输出中间结果

C、 通过 Shuffle 阶段把中间结果分区排序整理后发送给 Reduce 任务

D、 执行 Reduce 任务得到最终结果并写入分布式文件系统

119、下列关于分布式并行编程的描述，哪些是正确的？

A、 "摩尔定律"， CPU 性能大约每隔 18 个月翻一番

B、 分布式程序运行在大规模计算机集群上

C、 谷歌公司最先提出了分布式并行编程模型 MapReduce

D、 MapReduce 是 Hadoop 的开源实现

120、下列说法正确的是？

A、 MapReduce 体系结构主要由四个部分组成，分别是：Client、 JobTracker、TaskTracker 以及 Task

B、 Task 分为 Map Task 和 Reduce Task 两种，均由 TaskTracker 启动

C、 在 MapReduce 工作流程中，所有的数据交换都是通过 MapReduce 框架自身 去实现的

D、 在 MapReduce 工作流程中，用户不能显式地从一台机器向另一台机器发送 消息

121、Hadoop1.0 的核心组件（仅指 MapReduce 和 HDFS，不包括 Hadoop 生态系 统内的 Pig、Hive、HBase 等其他组件），下列哪项是它的不足？

A、 抽象层次高

B、 表达能力有限，抽象层次低，需人工编码

C、 价格昂贵

D、 可维护性低

122、下面哪个选项不属于 Hadoop1.0 的问题？

A、 单一名称节点，存在单点失效问题

B、 单一命名空间，无法实现资源隔离

C、 资源管理效率低

D、 很难上手

123、下列哪项是 Hadoop 生态系统中 Spark 的功能？

A、 处理大规模数据的脚本语言

B、 工作流和协作服务引擎，协调 Hadoop 上运行的不同任务

C、 支持 DAG 作业的计算框架

D、 基于内存的分布式并行编程框架，具有较高的实时性，并且较好支持迭代 计算

124、在 Hadoop 生态系统中，Kafka 主要解决 Hadoop 中存在哪些的问题？

A、 Hadoop 生态系统中各个组件和其他产品之间缺乏统一的、高效的数据交换 中介

B、 不同的 MapReduce 任务之间存在重复操作，降低了效率

C、 延迟高，而且不适合执行迭代计算

D、 抽象层次低，需要手工编写大量代码

125、下列哪一个不属于 HDFS1.0 中存在的问题？

A、 不可以水平扩展

B、 多点故障问题

C、 HDFS HA 是热备份，提供高可用性，但是无法解决可扩展性、系统性能和 隔离性

D、 系统整体性能受限于单个名称节点的吞吐量

126、关于 HDFS Federation 的设计的描述，哪个是错误的？

A、 属于不同命名空间的块可以构成同一个"块池"

B、 HDFS Federation 中，所有名称节点会共享底层的数据节点存储资源，数 据节点向所有名称节点汇报

C、 设计了多个相互独立的名称节点

D、 HDFS 的命名服务能够水平扩展

127、下列关于.HDFS Federation 的描述，错误的是？

A、 不存在单点故障

B、 JobTracker"大包大揽"导致任务过重

C、 容易出现内存溢出（分配资源只考虑 MapReduce 任务数，不考虑 CPU、内 存）

D、 资源划分不合理（强制划分为 slot ，包括 Map slot 和 Reduce slot） 128、下列哪一项不属于 MapReduce1.0 的缺陷？

A、 数据中心是云计算的重要载体，为各种平台和应用提供运行支撑环境

B、 提供智能交通、智慧医疗、智能物流、智能电网等

C、 提供分布式计算、数据挖掘、统计分析等服务

D、 提供硬件、软件、网络等基础设施

129、下列哪个不属于 YARN 体系结构中 ResourceManager 的功能？

A、 处理客户端请求

B、 监控 NodeManager

C、 资源分配与调度

D、 处理来自 ApplicationMaster 的命令

130、下列哪个不属于 YARN 体系结构中 ApplicationMaster 的功能？

A、 任务调度、监控与容错

B、 为应用程序申请资源

C、 将申请的资源分配给内部任务

D、 处理来自 ResourceManger 的命令

131、下列选项中，哪些属于 Hadoop1.0 的核心组件的不足之处？

A、 实时性差（适合批处理，不支持实时交互式）

B、 资源浪费（Map 和 Reduce 分两阶段执行）

C、 执行迭代操作效率低

D、 难以看到程序整体逻辑

132、Hadoop 的优化与发展主要体现在哪几个方面？

A、 Hadoop 自身核心组件 MapReduce 的架构设计改进

B、 Hadoop 自身核心组件 HDFS 的架构设计改进

C、 Hadoop 生态系统其它组件的不断丰富

D、 Hadoop 生态系统减少不必要的组件，整合系统 133、下列哪些属于 Hadoop2.0 的改进？

A、 设计了 HDFS HA

B、 提供名称节点热备机制

C、 设计了 HDFS Federation，管理多个命名空间

D、 设计了新的资源管理框架 YARN

134、下面哪个属于不断完善的 Hadoop 生态系统中的组件？

A、 Pig

B、 Spark

C、 Kafka

D、 DN8

135、HDFS1.0 主要存在哪些问题？

A、 单点故障问题

B、 不可以水平扩展

C、 单个名称节点难以提供不同程序之间的隔离性

D、 系统整体性能受限于单个名称节点的吞吐量

136、HDFS Federation 相对于 HDFS1.0 的优势主要体现在哪里？

A、 能够解决单点故障问题

B、 HDFS 集群扩展性

C、 性能更高效

D、 良好的隔离性

137、JobTracker 主要包括哪三大功能？

A、 资源管理

B、 任务调度

C、 任务监控

D、 数据即服务

138、YARN 体系结构主要包括哪三部分？

A、 ResourceManager

B、 NodeManager

C、 ApplicationMaster

D、 DataManager

139、在 YARN 体系结构中，ApplicationMaster 主要功能包括哪些？

A、 当用户作业提交时，ApplicationMaster 与 ResourceManager 协商获取资 源，ResourceManager 会以容器的形式为 ApplicationMaster 分配资源

B、 把获得的资源进一步分配给内部的各个任务（Map 任务或 Reduce 任务）， 实现资源的"二次分配"

C、 定时向 ResourceManager 发送"心跳"消息，报告资源的使用情况和应用 的进度信息

D、 向 ResourceManager 汇报作业的资源使用情况和每个容器的运行状态 140、YARN 的目标就是实现"一个集群多个框架"，为什么？

A、 一个企业当中同时存在各种不同的业务应用场景，需要采用不同的计算框 架

B、 为了避免不同类型应用之间互相干扰，企业就需要把内部的服务器拆分成 多个集群，分别安装运行不同的计算框架，即"一个框架一个集群"

C、 这些产品通常来自不同的开发团队，具有各自的资源调度管理机制

D、 解决单点故障

141、下列关于 Spark 的描述，错误的是哪一项？

A、 Spark 最初由美国加州伯克利大学（UCBerkeley）的 AMP 实验室于 2009 年 开发

B、 Spark 在 2014 年打破了 Hadoop 保持的基准排序纪录.

C、 Spark 用十分之一的计算资源，获得了比 Hadoop 快 3 倍的速度

D、 Spark 运行模式单一

142、下面关于 Spark 的说法，错误的是哪一项？

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 Amazon EC2 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 Spark Shell 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

143、下列关于 Scala 特性的描述，错误的是哪一项？

A、 Scala 语法复杂，但是能提供优雅的 API 计算

B、 Scala 具备强大的并发性，支持函数式编程，可以更好地支持分布式系统

C、 Scala 兼容 Java，运行速度快，且能融合到 Hadoop 生态圈中

D、 Scala 是 Spark 的主要编程语言 144、下列说法哪项有误？

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 145、在 Spark 生态系统组件的应用场景中，下列哪项说法是错误的？

A、 Spark 应用在复杂的批量数据处理

B、 Spark SQL 是基于历史数据的交互式查询

C、 Spark Streaming 是基于历史数据的数据挖掘

D、 GraphX 是图结构数据的处 146、下列说法错误的是？

A、 RDD（Resillient Distributed Dataset）是运行在工作节点

（WorkerNode）的一个进程，负责运行 Task

B、 Application 是用户编写的 Spark 应用程序

C、 一个 Job 包含多个 RDD 及作用于相应 RDD 上的各种操作

D、 Directed Acyclic Graph 反映 RDD 之间的依赖关系 147、下列关于 RDD 说法，描述有误的是？

A、 一个 RDD 就是一个分布式对象集合，本质上是一个只读的分区记录集合

B、 每个 RDD 可分成多个分区，每个分区就是一个数据集片段

C、 RDD 是可以直接修改的

D、 RDD 提供了一种高度受限的共享内存模型

148、下列哪一项不属于 Spark 架构的优点？

A、 实现一键式安装和配置、线程级别的任务监控和告警

B、 降低硬件集群、软件维护、任务监控和应用开发的难度

C、 便于做成统一的硬件、计算平台资源池

D、 不用负载应用混搭，集群利用率高

149、Spark 生态系统组件 Spark Streaming 的应用场景是？

A、 基于历史数据的数据挖掘

B、 图结构数据的处理

C、 基于历史数据的交互式查询

D、 基于实时数据流的数据处理

150、Spark 生态系统组件 MLlib 的应用场景是？

A、 图结构数据的处理

B、 基于历史数据的交互式查询

C、 复杂的批量数据处理

D、 基于历史数据的数据挖掘

151、Spark 具有以下哪几个主要特点？

A、 运行速度快

B、 容易使用

C、 通用性

D、 运行模式单一

152、Scala 具有以下哪几个主要特点？

A、 Scala 的优势是提供了 REPL（Read-Eval-Print Loop，交互式解释器）， 提高程序开发效率

B、 Scala 兼容 Java，运行速度快，且能融合到 Hadoop 生态圈中

C、 Scala 具备强大的并发性，支持函数式编程

D、 Scala 可以更好地支持分布式系统 153、下列哪些选项属于 Hadoop 的缺点？

A、 表达能力有限

B、 磁盘 IO 开销大

C、 延迟高

D、 在前一个任务执行完成之前，其他任务就无法开始，难以胜任复杂、多阶 段的计算任务

154、下列说法中，哪些选项描述正确？

A、 Spark 在借鉴 Hadoop MapReduce 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、 Hadoop MapReduce 编程模型比 Spark 更灵活

D、 Hadoop MapReduce 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

155、在实际应用中，大数据处理主要包括以下哪三个类型？

A、 复杂的批量数据处理：通常时间跨度在数十分钟到数小时之间

B、 基于历史数据的交互式查询：通常时间跨度在数十秒到数分钟之间

C、 基于实时数据流的数据处理：通常时间跨度在数十秒到数分钟之间

D、 基于实时数据流的数据处理：通常时间跨度在数百毫秒到数秒之间 156、在实际应用中，大数据处理难免会带来哪些问题？

A、 不同场景之间输入输出数据无法做到无缝共享，通常需要进行数据格式的 转换

B、 不同的软件需要不同的开发和维护团队

C、 需要较高的使用成本

D、 比较难以对同一个集群中的各个系统进行统一的资源协调和分配

157、与 Hadoop MapReduce 计算框架相比，Spark 所采用的 Executor 具有哪些 优点？

A、 利用多线程来执行具体的任务，减少任务的启动开销

B、 Executor 中有一个 BlockManager 存储模块，有效减少 IO 开销

C、 提供了一种高度受限的共享内存模型

D、 不同场景之间输入输出数据能做到无缝共享 158、Spark 运行架构具有以下哪些特点？

A、 每个 Application 都有自己专属的 Executor 进程，并且该进程在 Application 运行期间一直驻留

B、 Executor 进程以多线程的方式运行 Task

C、 Spark 运行过程与资源管理器无关，只要能够获取 Executor 进程并保持通 信即可

D、 Task 采用了数据本地性和推测执行等优化机制

159、Spark 采用 RDD 以后能够实现高效计算的原因主要在于？

A、 高效的容错性

B、 中间结果持久化到内存，数据在内存中的多个

C、 存放的数据可以是 Java 对象，避免了不必要的对象序列化和反序列化

D、 现有容错机制：数据复制或者记录日志

160、Spark 支持三种不同类型的部署方式，包括？

A、 Standalone（类似于 MapReduce1.0，slot 为资源分配单位）

B、 Spark on Mesos（和 Spark 有血缘关系，更好支持 Mesos）

C、 Spark on YARN

D、 Spark on HDFS

161、下列关于流计算的说法，哪项是错误的？

A、 实时获取来自不同数据源的海量数据，经过实时分析处理，获得有价值的 信息

B、 流计算秉承一个基本理念，即 数据的价值随着时间的流逝而降低

C、 对于一个流计算系统来说，它应该支持 TB 级甚至是 PB 级的数据规模

D、 流计算只需要保证较低的延迟时间，即只达到秒级别即可处理一切问题 162、下列关于数据处理流程，说法有误的是？

A、 在传统的数据处理流程中，存储的数据是旧的

B、 在传统的数据处理流程中，需要用户主动发出查询来获取结果

C、 传统的数据处理流程，需要先采集数据并存储在关系数据库等数据管理系 统中

D、 流计算的处理流程一般包含三个阶段：数据实时采集、数据批量计算、实 时查询服务

163、下列哪项不属于流计算的处理流程的三个阶段？

A、 数据实时采集

B、 数据批量采集

C、 数据实时计算

D、 实时查询服务

164、下列哪一项不属于 Storm 的特点？

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 165、下列关于 Storm 设计思想，描述有误的是？

A、 Storm 将 Streams 的状态转换过程抽象为 Spout

B、 Storm 认为每个 Stream 都有一个源头，并把这个源头抽象为 Spout

C、 Storm 将 Spouts 和 Bolts 组成的网络抽象成 Topology

D、 Topology 里面的每个处理组件（Spout 或 Bolt）都包含处理逻辑， 而组 件之间的连接则表示数据流动的方向

166、下列关于 Storm 和 Hadoop 架构组件功能对应关系，哪个是错误的？

A、 Hadoop Job 对应 Storm Topology

B、 Hadoop TaskTracker 对应 Storm Supervisor

C、 Hadoop JobTracker 对应 Storm Spout

D、 Hadoop Reduce 对应 Storm Bolt 167、下面哪一项不属于 Samza 的系统架构？

A、 流数据层（Kafka）

B、 执行层（YARN）

C、 处理层（Samza API）

D、 数据采集层（Scribe）

168、下列哪个说法是错误的？

A、 从编程的灵活性来讲，Storm 是比较理想的选择，它使用 Apache Thrift， 可以用任何编程语言来编写拓扑结构（Topology）

B、 当有大量的状态需要处理时，比如每个分区都有数十亿个元组，则可以选 择 Storm 和 Spark Streaming

C、 Spark Streaming 无法实现毫秒级的流计算

D、 在 Spark 上可以统一部署 Spark SQL，Spark Streaming、MLlib，GraphX 等组件，提供便捷的一体化编程模型

169、下列关于 Storm 的描述，有误的是？

A、 Storm 将流数据 Stream 描述成一个有限的 Tuple 序列

B、 Storm 保证每个消息都能完整处理

C、 Storm 认为每个 Stream 都有一个源头，并把这个源头抽象为 Spout

D、 Bolt 可以执行过滤、函数操作、Join、操作数据库等任何操作 170、下列哪个关于 Stream Groupings 的描述，有误的是？

A、 FieldsGrouping：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、 NonGrouping：不分组，和 ShuffleGrouping 类似，当前 Task 的执行会和 它的被订阅者在同一个线程中执行

D、 DirectGrouping：直接分组，直接指定由某个 Task 来执行 Tuple 的处理 171、流数据具有以下哪些特征？

A、 数据快速持续到达，潜在大小也许是无穷无尽的

B、 数据来源众多，格式复杂

C、 注重数据的整体价值，不过分关注个别数据

D、 系统可以控制将要处理的新到达的数据元素的顺序 172、下列关于批量计算和实时计算的说法，正确的有？

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

173、对于一个流计算系统来说，它应达到以下哪些需求？

A、 高性能：处理大数据的基本要求，如每秒处理几十万条数据

B、 实时性：保证较低的延迟时间，达到秒级别，甚至是毫秒级别

C、 分布式：支持大数据的基本架构，必须能够平滑扩展

D、 可靠性：能可靠地处理流数据

174、下列关于流计算与 Hadoop 的说法，正确的有？

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

175、下列关于流处理系统与传统的数据处理系统的描述，正确的有？

A、 流处理系统处理的是实时的数据，而传统的数据处理系统处理的是预先存 储好的静态数据

B、 用户通过流处理系统获取的是实时结果，而通过传统的数据处理系统，获 取的是过去某一时刻的结果

C、 流处理系统无需用户主动发出查询，实时查询服务可以主动将结果推送给 用户

D、 传统的数据处理系统系统无需用户主动发出查询，批量查询服务可以主动 将结果推送给用户

176、Storm 具有以下哪些特点？

A、 整合性：Storm 可方便地与队列系统和数据库系统进行整合

B、 简易的 API：Storm 的 API 在使用上即简单又方便

C、 容错性：Storm 可自动进行故障节点的重启、任务的重新分配

D、 可扩展性：Storm 的并行特性使其可以运行在分布式集群中 177、目前，Storm 中的 Stream Groupings 有如下哪几种方式？

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

178、下列关于 Storm 框架，描述正确的有？

A、 worker:每个 worker 进程都属于一个特定的 Topology

B、 executor：executor 是产生于 worker 进程内部的线程

C、 task:实际的数据处理由 task 完成

D、 在 Topology 的生命周期中，每个组件的 task 数目是不会发生变化的，而 executor 的数目却不一定

179、下列关于 Spark Streaming 与 Storm 的描述，哪些是正确的的？

A、 Spark Streaming 无法实现毫秒级的流计算

B、 Storm 可以实现毫秒级响应件

C、 Storm 的低延迟执行引擎（100ms+）可以用于实时计算

D、 Spark Streaming 采用的小批量处理的方式使得它可以同时兼容批量和实 时数据处理的逻辑和算法

180、下列关于 Samza 的描述，哪些是正确的？

A、 一个作业（Job）是对一组输入流进行处理转化成输出流的程序

B、 Samza 的流数据单位既不是 Storm 中的元组，也不是 Spark Streaming 中 的 DStream，而是一条条消息

C、 一个作业会被进一步分割成多个任务（Task）来执行

D、 分区之间没有定义顺序，从而允许每一个任务独立执行

181、下列关于数据可视化的描述，哪个是错误的？

A、 数据可视化是指将大型数据集中的数据以图形图像形式表示

B、 利用数据分析和开发工具发现其中未知信息的处理过程

C、 数据可视化技术的基本思想是将数据库中每一个数据项作为单个图元素表 示

D、 将数据的各个属性值以一维数据的形式表示

182、学习 D3 可视化库需要的一些基础知识，下列说法错误的是？

A、 HTML：文档对象模型，用于修改文档的内容和结构

B、 CSS：层叠样式表，用于设定网页的样式

C、 SVG：可缩放矢量图形，用于绘制可视化的图形

D、 JavaScript：一种直译式脚本语言，用于设定网页的行为 183、下列选项中，哪些不属于 SVG 标签的视觉元素？

A、 矩形

B、 圆形

C、 线条

D、 图片

184、下列哪个不属于可视化工具？

A、 Google Chart API

B、 D3

C、 Visual.ly

D、 Spark

185、下列说法错误的是？

A、 大数据魔镜是一款优秀的国产数据分析软件，可以让用户真正理解探索分 析数据

B、 Tableau 是桌面系统中最简单的商业智能工具软件，是一个用于网页作 图、生成互动图形的 JavaScript 函数库

C、 Google Fusion Tables 让一般使用者也可以轻松制作出专业的统计地图

D、 Modest Maps 是一个小型、可扩展、交互式的免费库，提供了一套查看卫 星地图的 API

186、下面关于 Timetoast 的描述，哪个是错误的？

A、 Timetoast 是在线创作基于时间轴事件记载服务的网站

B、 提供个性化的时间线服务

C、 Timetoast 基于 flash 平台，可以在类似 flash 时间轴上任意加入事件

D、 Timetoast 是一个社区类型的时间轴网站

187、HBase 实际应用中的性能优化方法不包括下面哪一项？

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(int maxVersions)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(int timeToLive)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

188、下列关于可视化工具中高级分析工具的说法，错误的是？

A、 R 是属于 GNU 系统的一个自由、免费、源代码开放的软件

B、 Weka 主要用于社交图谱数据可视化分析，可以生成非常酷炫的可视化图形

C、 Gephi 主要用于社交图谱数据可视化分析，可以生成非常酷炫的可视化图 形

D、 R 通常用于大数据集的统计与分析

189、下面关于 D3 的说法，哪个是错误的？

A、 D3 是一个被数据驱动的文档

B、 D3 是一个 JavaScript 的函数库，使用它主要是用来做数据可视化的

C、 D3 是一个 JavaScript 函数库，并不需要通常所说的"安装"

D、 D3 有多个文件，在 HTML 中引用即可

190、在大数据时代，可视化技术可以支持实现哪些目标？

A、 观测、跟踪数据

B、 分析数据

C、 辅助理解数据

D、 增强数据吸引力

191、信息图表是信息、数据、知识等的视觉化表达，下列哪个说法正确？

A、 谷歌公司的制图服务接口 Google Chart API，可以用来为统计数据并自动 生成图片

B、 D3 是最流行的可视化库之一，是一个用于网页作图、生成互动图形的 JavaScrip 函数库

C、 Visual.ly 可以用它来快速创建自定义的、样式美观且具有强烈视觉冲击 力的信息图表

D、 大数据魔镜是一款优秀的国产数据分析软件，它丰富的数据公式和算法可 以让用户真正理解探索分析数据

192、下列说法正确的有？

A、 HTML：超文本标记语言，用于设定网页的内容

B、 CSS：一种直译式脚本语言，用于设定网页的行为

C、 DOM：文档对象模型，用于修改文档的内容和结构

D、 SVG：层叠样式表，用于设定网页的样式

193、D3 可以处理哪些类型的数据？

A、 数值数组

B、 字符串

C、 对象（本身包含其他数组或键/值对）

D、 JSON 和 GeoJSON

194、下列描述正确的有？

A、 d3.select("body")查找 DOM 中的 body

B、 selectAll("p")选择 DOM 中的所有段落

C、 enter()绑定数据和 DOM 元素

D、 text("New paragraph!")为新创建的 p 标签插入一个文本值 195、下列关于 SVG 标签的描述，说法正确的有？

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 196、下列关于 SVG 性质的描述，说法正确的有？

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

197、下列关于数据可视化的描述，正确的有？

A、 数据可视化是指将大型数据集中的数据以图形图像形式表示

B、 数据可视化技术的基本思想是将数据库中每一个数据项作为单个图元素表 示

C、 利用数据分析和开发工具发现其中未知信息的处理过程

D、 将数据的各个属性值以一维数据的形式表示

198、下列说法中，哪些是正确的？

A、 CSS：层叠样式表，用于设定网页的样式

B、 JavaScript：一种直译式脚本语言，用于设定网页的行为

C、 SVG 标签包含一些视觉元素，包括矩形，圆形，椭圆形，线条，文字和路 径等

D、 SVG 的默认样式是黑色填充。如果想换颜色，就必须将样式应用到相应的 元素

199、下列说法中，哪些是正确的？

A、 Modest Maps 是一个小型、可扩展、交互式的免费库

B、 Leaflet 是一个小型化的地图框架，通过小型化和轻量化来满足移动网页 的需要

C、 Google Fusion Tables 让一般使用者也可以轻松制作出专业的统计地图

D、 大数据魔镜是一款优秀的国产数据分析软件，它丰富的数据公式和算法可 以让用户真正理解探索分析数据

200、下列说法错误的是？

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、 UserCF 算法的推荐更偏向个性化

D、 UserCF 随着用户数目的增大，用户相似度计算复杂度越来越高 201、下面关于 UserCF 算法和 ItemCF 算法的对比，哪个是错误的？

A、 UserCF 算法的推荐更偏向社会化：适合应用于新闻推荐、微博话题推荐等 应用场景，其推荐结果在新颖性方面有一定的优势

B、 ItemCF 算法的推荐更偏向于个性化

C、 ItemCF 随着用户数目的增大，用户相似度计算复杂度越来越高

D、 UserCF 推荐结果相关性较弱，难以对推荐结果作出解释，容易受大众影响 而推荐热门物品

202、下列哪一项不属于大数据的应用？

A、 电信行业：客户离网分析

B、 智能机器人

C、 零售行业：发现关联购买行为、进行客户群体细分

D、 推荐系统

203、下列关于推荐系统的描述，哪一项是错误的？

A、 推荐系统是大数据在互联网领域的典型应用

B、 推荐系统是自动联系用户和物品的一种工具

C、 推荐系统可以创造全新的商业和经济模式，帮助实现长尾商品的销售

D、 推荐系统分为基于物品的协同过滤和基于商家的协同过滤

204、下列哪一项不属于推荐算法？

A、 基于物品和商家的联合协同推荐

B、 基于统计的推荐

C、 专家推荐

D、 基于内容的推荐

205、下列描述有误的是？

A、 专家推荐：人工推荐，由资深的专业人士来进行物品的筛选和推荐，需要 较多的人力成本性

B、 基于统计的推荐：通过机器学习的方法去描述内容的特征，并基于内容的 特征来发现与之相似的内容

C、 协同过滤推荐：应用最早和最为成功的推荐方法之一

D、 混合推荐：结合多种推荐算法来提升推荐效果

206、下列哪一项不属于完整推荐系统的三个模块之一？

A、 用户建模模块

B、 推荐对象建模模块

C、 推荐算法模块

D、 数据采集模块

207、下列关于协同过滤的说法，哪一项是错误的？

A、 协同过滤可分为基于用户的协同过滤和基于物品的协同过滤

B、 UserCF 算法符合人们对于"趣味相投"的认知，即兴趣相似的用户往往有 相同的物品喜好

C、 实现 UserCF 算法的关键步骤是计算物品与物品之间的相似度

D、 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 208、下列哪个说法是错误的？

A、 无论是亚马逊还是 Netflix，其推荐系统的基础都是 ItemCF 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 算法主要通过分析用户的行为记录来计算物品之间的相似度

D、 实现 UserCF 算法的关键步骤是计算物品与物品之间的相似度

209、下列哪一项说法是错误的？

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

210、下列哪些属于大数据应用？

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 211、下列关于推荐系统集群的描述，哪些是正确的？

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

212、下列关于推荐长尾理论的描述，哪些是正确的？

A、 推荐系统可以创造全新的商业和经济模式，帮助实现长尾商品的销售

B、 "长尾"概念于 2004 年提出，用来描述以亚马逊为代表的电子商务网站的 商业和经济模式

C、 可以通过发掘长尾商品并推荐给感兴趣的用户来提高销售额

D、 热门推荐的主要缺陷在于推荐的范围有限，所推荐的内容在一定时期内也 相对固定。无法实现长尾商品的推荐

213、推荐系统的本质是建立用户与物品的联系，根据推荐算法的不同，推荐 方法包括以下哪几类？

A、 专家推荐：人工推荐，由资深的专业人士来进行物品的筛选和推荐，需要 较多的人力成本

B、 基于统计的推荐：基于统计信息的推荐（如热门推荐），易于实现，但对 用户个性化偏好的描述能力较弱

C、 基于内容的推荐：通过机器学习的方法去描述内容的特征，并基于内容的 特征来发现与之相似的内容

D、 混合推荐：结合多种推荐算法来提升推荐效果 214、一个完整的推荐系统通常包括以下哪三个模块？

A、 用户建模模块

B、 数据采集模块

C、 推荐对象建模模块

D、 推荐算法模块

215、下列关于推荐系统的描述，哪些是正确的？

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

216、协同过滤可分为哪几种过滤方式？

A、 基于用户的协同过滤

B、 基于物品的协同过滤

C、 基于用户和物品的联合协同过滤

D、 基于商家的协同过滤

217、关于基于用户的协同过滤，下列哪些说法是正确的？

A、 基于用户的协同过滤算法（简称 UserCF 算法）在 1992 年被提出，是推荐 系统中最古老的算法

B、 UserCF 算法符合人们对于"趣味相投"的认知

C、 实现 UserCF 算法的关键步骤是计算用户与用户之间的兴趣相似度

D、 UserCF 算法符合兴趣相似的用户往往有相同的物品喜好

218、实现 UserCF 算法的关键步骤是计算用户与用户之间的兴趣相似度，下列 哪些是属于计算相似度的算法？

A、 泊松相关系数

B、 余弦相似度

C、 调整余弦相似度

D、 调整正弦相似度

219、下列关于协同过滤算法的描述，哪些是正确的？

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

220、下列关于 BigTable 的描述，哪个是错误的？

A、 爬虫持续不断地抓取新页面，这些页面每隔一段时间地存储到 BigTable 里

B、 BigTable 是一个分布式存储系统

C、 BigTable 起初用于解决典型的互联网搜索问题

D、 网络搜索应用查询建立好的索引，从 BigTable 得到网页

221、下列选项中，关于 HBase 和 BigTable 的底层技术对应关系，哪个是错误 的？

A、 GFS 与 Zookeeper

B、 GFS 与 HDFS

C、 MapReduce 与 Hadoop MapReduce

D、 Chubby 与 Zookeeper

222、在 HBase 中，关于数据操作的描述，下列哪一项是错误的？

A、 HBase 则采用了更加简单的数据模型，它把数据存储为未经解释的字符串

B、 HBase 操作不存在复杂的表与表之间的关系

C、 HBase 操作只有简单的插入、查询、删除、清空等

D、 HBase 在设计上就避免了复杂的表和表之间的关系 223、在 HBase 访问接口中，Pig 主要用在哪个场合？

A、 适合做数据统计

B、 适合 HBase 管理使用

C、 适合其他异构系统在线访问 HBase 表数据

D、 适合 Hadoop MapReduce 作业并行批处理 HBase 表数据

224、HBase 中需要根据某些因素来确定一个单元格，这些因素可以视为一个 "四维坐标"，下面哪个不属于"四维坐标"？

A、 关键字

B、 行键

C、 列族

D、 时间戳

225、关于 HBase 的三层结构中各层次的名称和作用的说法，哪个是错误的？

A、 Zookeeper 文件记录了用户数据表的 Region 位置信息

B、 -ROOT-表记录了.META.表的 Region 位置信息

C、 .META.表保存了 HBase 中所有用户数据表的 Region 位置信息

D、 Zookeeper 文件记录了-ROOT-表的位置信息

226、下面关于主服务器 Master 主要负责表和 Region 的管理工作的描述，哪 个是错误的？

A、 实现相同 Region 服务器之间的负载均衡行

B、 在 Region 分裂或合并后，负责重新调整 Region 的分布

C、 对发生故障失效的 Region 服务器上的 Region 进行迁移

D、 管理用户对表的增加、删除、修改、查询等操作

227、HBase 实际应用中的性能优化方法不包括下面哪一项？

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(int maxVersions)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(int timeToLive)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

228、HBase 只有一个针对行健的索引，如要要访问 HBase 表中的行，下面哪种 方式是不可行的？

A、 通过单个行健访问

B、 通过时间戳访问

C、 通过一个行健的区间来访问

D、 全表扫描

229、下面关于 Region 的说法，哪个是错误的？

A、 同一个 Region 不会被分拆到多个 Region 服务器

B、 为了加快访问速度，.META.表的全部 Region 都会被保存在内存中

C、 一个-ROOT-表可以有多个 Region

D、 为了加速寻址，客户端会缓存位置信息，同时，需要解决缓存失效问题

230、关系数据库已经流行很多年，并且 Hadoop 已经有了 HDFS 和 MapReduce， 为什么需要 HBase？

A、 Hadoop 可以很好地解决大规模数据的离线批量处理问题，但是，受限于 Hadoop MapReduce 编程框架的高延迟数据处理机制，使得 Hadoop 无法满足大 规模数据实时处理应用的需求上

B、 HDFS 面向批量访问模式，不是随机访问模式

C、 传统的通用关系型数据库无法应对在数据规模剧增时导致的系统扩展性和 性能问题

D、 传统关系数据库在数据结构变化时一般需要停机维护；空列浪费存储空间 231、HBase 与传统的关系数据库的区别主要体现在以下哪几个方面？

A、 数据类型

B、 数据操作

C、 存储模式

D、 数据维护

232、HBase 访问接口类型包括哪些？

A、 Native Java API

B、 HBase Shell

C、 Thrift Gateway

D、 REST Gateway

233、下列关于数据模型的描述，哪些是正确的？

A、 HBase 采用表来组织数据，表由行和列组成，列划分为若干个列族

B、 每个 HBase 表都由若干行组成，每个行由行键（row key）来标识

C、 列族里的数据通过列限定符（或列）来定位

D、 每个单元格都保存着同一份数据的多个版本，这些版本采用时间戳进行索 引

234、HBase 的实现包括哪三个主要的功能组件？

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

235、HBase 的三层结构中，三层指的是哪三层？

A、 Zookeeper 文件

B、 -ROOT-表

C、 .META.表

D、 数据类型

236、HBase 性能监视主要包括以下哪几方面？

A、 Master-status(自带)

B、 Ganglia

C、 OpenTSDB

D、 Ambari

237、Zookeeper 是一个很好的集群管理工具，被大量用于分布式计算，它主要 提供什么服务？

A、 配置维护

B、 域名服务

C、 分布式同步

D、 组服务

238、下列关于 Region 服务器工作原理的描述，哪些是正确的？

A、 每个 Region 服务器都有一个自己的 HLog 文件

B、 每次刷写都生成一个新的 StoreFile，数量太多，影响查找速度

C、 合并操作比较耗费资源，只有数量达到一个阈值才启动合并

D、 Store 是 Region 服务器的核心

239、下列关于 HLog 工作原理的描述，哪些是正确的？

A、 分布式环境必须要考虑系统出错。HBase 采用 HLog 保证

B、 HBase 系统为每个 Region 服务器配置了一个 HLog 文件

C、 Zookeeper 会实时监测每个 Region 服务器的状态

D、 Master 首先会处理该故障 Region 服务器上面遗留的 HLog 文件 240、下列关于图结构数据的描述，错误的是？

A、 许多非图结构的大数据，通常会被转换为关系模型后进行分析

B、 许多大数据都是以大规模图或网络的形式呈现

C、 图数据结构很好地表达了数据之间的关联性

D、 关联性计算是大数据计算的核心

241、下面哪个细节是用户通过网页监控看不到的？

A、 关于出度分布的柱状图

B、 处于活跃状态的边数量

C、 在当前超步的时间信息和消息流量

D、 所有用户自定义 Aggregator 的值

242、在 Pregel 计算模型中，图中的每个顶点会对应一个计算单元，下列哪一 项不属于计算单元的成员变量？

A、 顶点值（Vertex value）：顶点对应的 PR 值

B、 出射边（Out edge）：只需要表示一条边，可以不取值

C、 消息（Message）：传递的消息

D、 入射边（Iut edge）：只需要表示一条边，可以不取值

243、采用 MapReduce 实现 PageRank 的计算过程包括三个阶段，下列哪一项是 错的？

A、 第一阶段：解析网页

B、 第二阶段：PageRank 分配

C、 第三阶段：收敛阶段

D、 第一阶段：收集网页

244、下列关于 PageRank 算法在 MapReduce 中的实现的描述，错误的是？

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

245、下列哪个不属于 PageRank 算法在 Pregel 和 MapReduce 中实现方式的区 别？

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 246、下列哪项不属于在 Vetex 类中的值类型参数？

A、 顶点的出度

B、 顶点

C、 边

D、 消息

247、在每个超步中，Worker 调用顶点上的 Compute()函数，下列哪个参数是 不需要传递？

A、 该顶点的当前值

B、 一个接收到的消息的迭代器

C、 一个出射边的迭代器

D、 一个入射边的迭代器

248、下列哪一项不属于每个超步的组件？

A、 全局计算

B、 局部计算

C、 通讯

D、 栅栏同步

249、在一个 Worker 中，它所管辖的分区的状态信息是保存在内存中的，下列 哪一项不属于分区的状态信息？

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

250、很多传统的图计算算法都存在以下哪些典型问题？

A、 常常表现出比较差的内存访问局部性

B、 针对单个顶点的处理工作过少

C、 计算过程中伴随着并行度的改变

D、 计算过程简易

251、针对大型图（比如社交网络和网络图）的计算问题，哪些说法是正确 的？

A、 为特定的图应用定制相应的分布式实现：通用性不好

B、 基于现有的分布式计算平台进行图计算：在性能和易用性方面往往无法达 到最优

C、 使用单机的图算法库，但是，在可以解决的问题的规模方面具有很大的局 限性

D、 使用已有的并行图计算系统，但是，对大规模分布式系统非常重要的一些 方面（比如容错），无法提供较好的支持

252、针对大型图的计算，目前通用的图计算软件主要哪些？

A、 基于遍历算法的、实时的图数据库，如 Neo4j、OrientD

B、DEX 和 Infinite Graph

B、 以图顶点为中心的、基于消息传递批处理的并行引擎，如 GoldenOrb、 Giraph、Pregel 和 Hama

C、 基于遍历算法的、实时的图数据库，如 GoldenOrb、Giraph、Pregel 和 Hama

D、 以图顶点为中心的、基于消息传递批处理的并行引擎，如 Neo4j、 OrientD

B、DEX 和 Infinite Graph

253、一次 BSP(Bulk Synchronous Parallel Computing Model，又称"大同 步"模型)计算过程包括一系列全局超步（所谓的超步就是计算中的一次迭 代），每个超步主要包括哪些组件？

A、 局部计算：每个参与的 处理器都有自身的计算任务

B、 通讯：处理器群相互交换数据

C、 栅栏同步：当一个处理器遇到"路障"（或栅栏），会等到其他所有处理 器完成它们的计算步骤

D、 基于现有的分布式计算平台进行图计算 254、下列说法正确的是？

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 255、在 Pregel 计算框架中，图的保存格式多种多样，具体包括哪些？

A、 文本文件

B、 关系数据库

C、 键值数据库

D、 语音文件

256、下列对于 Pregel 的执行过程，哪些是正确的？

A、 选择集群中的多台机器执行图计算任务，每台机器上运行用户程序的一个 副本

B、 Master 把一个图分成多个分区，并把分区分配到多个 Worker

C、 ster 会把用户输入划分成多个部分，通常是基于文件边界进行划分

D、 ster 向每个 Worker 发送指令，Worker 收到指令后，开始运行一个超步

257、在一个 Worker 中，它所管辖的分区的状态信息是保存在内存中的，分区 中的顶点的状态信息包括？

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

258、在每个超步中，Worker 会对自己所管辖的分区中的每个顶点进行遍历， 并调用顶点上的 Compute()函数，在调用时，会把以下哪些参数传递进去？

A、 该顶点的当前值

B、 一个接收到的消息的迭代器

C、 一个出射边的迭代器

D、 标志位，用来标记顶点是否处于活跃状态 259、下列说法正确的有？

A、 在 Pregel 中，为了获得更好的性能，"标志位"和输入消息队列是分开保 存的

B、 在超步 S 中，当一个 Worker 在进行顶点处理时，用于当前超步的消息会被 处理

C、 需要两个消息队列用于存放作用于当前超步 S 的消息和作用于下一个超步 S+1 的消息

D、 每个 Worker 上都保存了一个或多个分区的状态信息，当一个 Worker 发生 故障时，它所负责维护的分区的当前状态信息就会丢失