在实际应用中,当采用多种计算架构来满足不同应用场景需求时,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
查看答案
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
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
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. 采用数据复制实现容错
Spark支持哪三种不同类型的部署方式?
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第十一章 流计算单选题
微信支付 
支付宝支付