hadoop習(xí)題冊

1、第一章 大數(shù)據(jù)概述1.互聯(lián)網(wǎng)的發(fā)展分為_個(gè)階段。A一B.三C.二D.四2.下列不屬于大數(shù)據(jù)特點(diǎn)的是（ ）。A.種類和來源多樣化B.數(shù)據(jù)量巨大 C.分析處理速度快D.價(jià)值密度高3.互聯(lián)網(wǎng)發(fā)展的第_個(gè)時(shí)代為智能互聯(lián)網(wǎng)。A.3.0B.4.0C.1.0D.2.04.關(guān)于大數(shù)據(jù)敘述不正確的一項(xiàng)是（ ）。A.大數(shù)據(jù)=“海量數(shù)據(jù)”+“復(fù)雜類型的數(shù)據(jù)”B.大數(shù)據(jù)是指在一定時(shí)間對內(nèi)容抓取、管理和處理的數(shù)據(jù)集合C.大數(shù)據(jù)可以及時(shí)有效的分析海量的數(shù)據(jù)D.數(shù)據(jù)包括結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)。5.下列數(shù)據(jù)換算正確的一項(xiàng)為（ ）。A.1YB=1024EBB.1TB=1024MBC.1PB=1024EBD.102

2、4ZB=1EB6.結(jié)構(gòu)化數(shù)據(jù)的表現(xiàn)形式為_。A.文本B.視圖C.二維表 D.查詢7.結(jié)構(gòu)化的數(shù)據(jù)，先有_,再有_.A.數(shù)據(jù) 結(jié)構(gòu)B.結(jié)構(gòu)數(shù)據(jù)C.內(nèi)容結(jié)構(gòu)D.結(jié)構(gòu)內(nèi)容8.結(jié)構(gòu)化的數(shù)據(jù)，先有_,再有_.A.數(shù)據(jù) 結(jié)構(gòu)B.結(jié)構(gòu)數(shù)據(jù)C.內(nèi)容結(jié)構(gòu)D.結(jié)構(gòu)內(nèi)容9.軟件是大數(shù)據(jù)的_。A.核心B.部件C.引擎D.集合10.大數(shù)據(jù)技術(shù)不包括( )。A.數(shù)據(jù)計(jì)算B.數(shù)據(jù)存儲C.數(shù)據(jù)冗余D.數(shù)據(jù)采集11.大數(shù)據(jù)的特點(diǎn)不包括（ ）。A.數(shù)量大B.類型少C.速度快D.價(jià)值高第二章 Hadoop簡介1.下列對云棧架構(gòu)層數(shù)不正確的一項(xiàng)為_。A.三層云棧架構(gòu)B.四層云棧架構(gòu)C.五層云棧架構(gòu)D.六層云棧架構(gòu)2.下列_不是云計(jì)算

3、三層架構(gòu)的概括。A.IaaSB.PaaSC.SaaPD.SaaS3.IaaS基礎(chǔ)設(shè)施及服務(wù)可以稱為_。A.彈性計(jì)算B.效用計(jì)算C.有效計(jì)算D.隨需應(yīng)用4.四層云棧模式，是將三層模式中的_進(jìn)行分解，分為兩層，一層為硬件層，一層為虛擬資源層。A.硬件部分B.虛擬化部分C.基礎(chǔ)設(shè)施D.平臺5.五層云棧模式，第五層為_。A.固件/硬件層B.云基本資源層C.云應(yīng)用程序?qū)覦.云軟件環(huán)境層6.大數(shù)據(jù)是_的應(yīng)用。A.人工智能B.云計(jì)算C.物聯(lián)網(wǎng)D.互聯(lián)網(wǎng)7.hadoop_中第一階段的輸出可以作為下一階段的輸入。A.應(yīng)用場景B.分布式計(jì)算C.分階段計(jì)算D.高效處理8. .hadoop_中將海量數(shù)據(jù)分割于多個(gè)節(jié)點(diǎn)

4、，由每個(gè)節(jié)點(diǎn)并行計(jì)算，將得到的結(jié)果歸并到輸出。A.應(yīng)用場景B.分布式計(jì)算C.分階段計(jì)算D.高效處理9.下列選項(xiàng)中不是hadoop特點(diǎn)的是_。A.可靠性B.擴(kuò)容能力C.高效率D.成本高10.hadoop能可靠地存儲和處理_字節(jié)數(shù)據(jù)。A.TBB.PBC.YBD.ZB11.hadoop集群可以用_種模式進(jìn)行。A.四B.三C.五D.二12.hadoop集群不可以在_進(jìn)行。A.聯(lián)機(jī)模式B.單機(jī)模式C.虛擬分布模式D.完全分布模式13._模式：hadoop安裝時(shí)的默認(rèn)模式，不對配置文件進(jìn)行修改。A.聯(lián)機(jī)B.單機(jī)C.虛擬分布D.完全分布14._模式：在一臺機(jī)器上用軟件模擬多節(jié)點(diǎn)集群。A.聯(lián)機(jī)B.單機(jī)C.虛擬

5、分布D.完全分布15._模式：Hadoop安裝運(yùn)行在多臺主機(jī)上，構(gòu)成一個(gè)真實(shí)的hadoop集群，在所有的節(jié)點(diǎn)上都安裝JDK和hadoop，相互通過高速局域網(wǎng)連接。A.聯(lián)機(jī)B.單機(jī)C.虛擬分布D.完全分布16.完全分布式，各節(jié)點(diǎn)之間設(shè)置_，將各個(gè)從節(jié)點(diǎn)生成的公鑰添加到主節(jié)點(diǎn)的信任列表。A.SSHB.JDKC.hadoopD.HDFS17.完全分布式，不需要修改的配置文件為_。A.core-site.xmlB.hdfs-site.xmlC.hadoop-env.shD.mapred-site.xml18.HDFS架構(gòu)中有兩個(gè)_。A.DataNodesB. JobTrackeC.NameNodeD.

6、SecondayNameNode19.下列不是hadoop核心組件的是_。A.JobTrackerB.TaskTrackerC.HDFSD.Hbase20._存儲Hadoop集群中所有存儲節(jié)點(diǎn)上的文件，為海量提供存儲。A.JobTrackerB.TaskTrackerC.HDFSD.HBase第四章 HDFS文件系統(tǒng)1._是指跨多臺計(jì)算或服務(wù)器的文件或文件夾，數(shù)據(jù)存儲在多臺機(jī)器而不是單臺機(jī)器上。A.分布式存儲B.分頁式存儲C.鏈?zhǔn)酱鎯.順序存儲2.下列關(guān)于hadoop系統(tǒng)架構(gòu)敘述不正確的一項(xiàng)為_。A.由一臺Intel x86處理器的服務(wù)器或PC機(jī)組成。B.部署在低成本Intel/linux硬

7、件平臺上。C.通過高速局域網(wǎng)構(gòu)成一個(gè)計(jì)算集群。D.各個(gè)節(jié)點(diǎn)上運(yùn)行Linux操作系統(tǒng)。3.主節(jié)點(diǎn)程序_。A.NameNodeB.DataNodeC.SecondaryNameNodeD.Jobtracker4. 從節(jié)點(diǎn)程序_。A.NameNodeB.DataNodeC.SecondaryNameNodeD.Jobtracker5.HDFS結(jié)構(gòu)不包括_。A.Master體系結(jié)構(gòu)B.主從服務(wù)器C.元數(shù)據(jù)服務(wù)器D.存儲服務(wù)器6.HDFS分布式文件系統(tǒng)的特點(diǎn)為_。A.半透明性B.低可用性C.可擴(kuò)展性D.支持一個(gè)應(yīng)用程序并發(fā)訪問7.HDFS中的block默認(rèn)保存_份。A.3B.2C.1D.不確定8.下列_

8、通常與NameNode在一個(gè)節(jié)點(diǎn)啟動。A.SecondaryNameNodeB.DataNodeC.TaskTrackerD.Jobtracker9.HDFS每個(gè)文件被劃分成_大小的多個(gè)block，屬于同一個(gè)文件的blocks分散存儲在不同DataNode上。A.32MBB.64MBC.128MBD.無法確定10.下面哪個(gè)程序負(fù)責(zé)HDFS 數(shù)據(jù)存儲？（ ）A.NameNodeB.JobTrackerC.DataNodeD.SecondaryNameNodeE.tasktracker11.NameNode是HDFS系統(tǒng)中的管理局節(jié)點(diǎn)，它管理文件系統(tǒng)的命名空間，記錄每個(gè)文件數(shù)據(jù)塊在DataNode

9、上的位置和副本信息、協(xié)調(diào)客戶端對文件的訪問、記錄命名空間內(nèi)的改動和空間本身屬性的改動。A.錯(cuò)誤B.正確12.HDFS是基于流數(shù)據(jù)模式訪問和處理超大文件的需求而開發(fā)的，具有高容錯(cuò)、高可靠行、高擴(kuò)展性、高吞吐率等特征，適合的讀寫任務(wù)是_。A.一次寫入，少次讀取B.多次寫入，少次讀取C.多次寫入，多次讀取D.一次寫入，多次讀取13.關(guān)于HDFS的文件寫入，正確的是_。A.支持多用戶對同一文件的寫操作B.用戶可以在文件任意位置進(jìn)行修改C.默認(rèn)將文件復(fù)制成三份存放D.復(fù)制的文件塊默認(rèn)存在同一機(jī)架上14. Client在HDFS上進(jìn)行文件寫入時(shí)，namenode根據(jù)文件大小和配置情況，返回部分datano

10、de信息，誰負(fù)責(zé)將文件劃分為多個(gè)Block，根據(jù)DataNode的地址信息，按順序?qū)懭氲矫恳粋€(gè)DataNode塊A.ClientB.NamenodeC.DatanodeD.Secondary namenode15. HDFS無法高效存儲大量小文件，想讓它能處理好小文件，比較可行的改進(jìn)策略不包括A利用SequenceFile、MapFile、Har等方式歸檔小文件B 多Master設(shè)計(jì)C Block大小適當(dāng)調(diào)小D調(diào)大namenode內(nèi)存或?qū)⑽募到y(tǒng)元數(shù)據(jù)存到硬盤里16. 在HDFS的數(shù)據(jù)讀取過程中，客服端首先調(diào)用_的實(shí)例的open()方法打開一個(gè)文件。A.DistributedFileSyste

11、mB.FileSystem C.FSDataOutputSystemD.OutputSystem17.在HDFS的數(shù)據(jù)讀取過程中，DistributedFileSystem獲取這些信息后，生成一個(gè)_對象實(shí)例返回給客戶端。A.DistributedFileSystemB.FSDataInputSystem C.FSDataOutputSystemD.InputSystem18.在HDFS的數(shù)據(jù)讀取過程中，客戶端讀取完所有數(shù)據(jù)塊后，調(diào)用_的close()接口關(guān)閉這個(gè)文件。A.DistributedFileSystemB.FSDataInputSystem C.FSDataOutputSystemD

12、.InputSystem19.在HDFS的數(shù)據(jù)寫入過程中，客服端首先調(diào)用_的實(shí)例的create()方法打開一個(gè)文件。A.DistributedFileSystemB.FileSystem C.FSDataOutputSystemD.OutputSystem20. 在HDFS的數(shù)據(jù)寫入過程中，客戶端寫完所有數(shù)據(jù)塊后，調(diào)用_的close()方法結(jié)束這次文件寫入操作。A.DistributedFileSystemB.FSDataInputSystem C.FSDataOutputSystemD.InputSystem21.HDFS的錯(cuò)誤檢測不包括_。A.NameNode檢測B.DataNode檢測C

13、.數(shù)據(jù)錯(cuò)誤檢測D.冗余檢測第五章 MapReduce原理與編程1.MapReduce應(yīng)用于_的數(shù)據(jù)處理。A.小規(guī)模B.中小規(guī)模C.大規(guī)模D.超大規(guī)模2.MapReduce能處理的海量數(shù)據(jù)大于_。A.1TBB.10GBC.10TBD.1PB3.下列關(guān)于MapReduce說法不正確的是_。A.MapReduce是一種計(jì)算框架B.MapReduce的核心思想是“分而治之”C.MapReduce是一個(gè)串行的編程模型D.MapReduce來源于Google的學(xué)術(shù)論文4.下列關(guān)于MapReduce的特性敘述正確的一項(xiàng)是_。A.自動實(shí)現(xiàn)分布式串行計(jì)算B.自動實(shí)現(xiàn)分頁式并行計(jì)算C.容錯(cuò)，提供狀態(tài)監(jiān)控工具D.不

14、容錯(cuò) ，提供狀態(tài)監(jiān)控工具5.在分布式并行計(jì)算體系中，_采用一個(gè)指令流處理單個(gè)數(shù)據(jù)流。A.SISDB.SIMDC.MISDD.MIMD6. 在分布式并行計(jì)算體系中，_采用多個(gè)指令流同時(shí)處理多個(gè)數(shù)據(jù)流。A.SISDB.SIMDC.MISDD.MIMD7.關(guān)于集群的特點(diǎn)下列敘述正確的一項(xiàng)是_。A.系統(tǒng)吞吐量小B.可靠性高C.擴(kuò)展性弱D.性價(jià)比低8.下列關(guān)于MapReduce的基本思想敘述不正確的一項(xiàng)是_。A.對相互間具有計(jì)算機(jī)以來關(guān)系的大數(shù)據(jù)進(jìn)行分而治之。B.用Map和Reduce兩個(gè)函數(shù)提供了高層并行編程抽象模型。C.提供了同一框架D.為程序員隱藏系統(tǒng)細(xì)節(jié)9.下列關(guān)于MPI敘述不正確的一項(xiàng)是_。A

15、.MPI是一個(gè)信息傳遞應(yīng)用程序的接口B.MPI程序經(jīng)常在共享內(nèi)存的機(jī)器上使用C.MPI并行計(jì)算增加高層并行編程模型D.MPI缺少統(tǒng)一的計(jì)算框架支持10.下列關(guān)于MapReduce計(jì)算原理敘述不正確的一項(xiàng)是_。A.將大數(shù)據(jù)集劃分為小數(shù)據(jù)集，小數(shù)據(jù)集劃分為更小數(shù)據(jù)集B.將最終劃分的小數(shù)據(jù)分發(fā)布到集群節(jié)點(diǎn)上C.以串行的方式完成計(jì)算處理D.將計(jì)算結(jié)果遞歸融匯，得到最后的結(jié)果11.下列關(guān)于Map/Reduce并行計(jì)算模型敘述正確的一項(xiàng)為_。A.Map/Reduce把待處理的數(shù)據(jù)集分割成許多大的數(shù)據(jù)塊B.大數(shù)據(jù)塊經(jīng)Map()函數(shù)并行處理后輸出新的中間結(jié)果C.reduce()函數(shù)把多任務(wù)處理后的中間結(jié)果進(jìn)行

16、匯總D.reduce階段的作用接受來自輸出列表的迭代器12.在MapReduce計(jì)算架構(gòu)中，_組件屬于hadoop的軟件模塊。A.ClientB.JobTrackerC.TaskTrackerD.Task13. 在MapReduce計(jì)算架構(gòu)中，_組件運(yùn)行在NameNode節(jié)點(diǎn)上，提供集群資源的分配和工作調(diào)度管理。A.ClientB.JobTrackerC.TaskTrackerD.Task14. 在MapReduce計(jì)算架構(gòu)中，_組件運(yùn)行在DataNode上，具體管理本節(jié)點(diǎn)計(jì)算任務(wù)的執(zhí)行。A.ClientB.JobTrackerC.TaskTrackerD.Task15.下列關(guān)于JobTrac

17、ker敘述不正確的一項(xiàng)為_。A.MapReduce框架的使用者B.協(xié)調(diào)MapReduce作業(yè)C.分配任務(wù)D.監(jiān)控任務(wù)16.下列關(guān)于Map/Reduce計(jì)算流程敘述不正確的一項(xiàng)為_。A.Mapper讀取分派給它的輸出Split，并生成相應(yīng)的本地緩存。B.Mapper執(zhí)行計(jì)算處理任務(wù)，將中間結(jié)果輸出保存在本地緩存。C.Application Master調(diào)度Reducer讀取Mapper的中間輸出文件，執(zhí)行Reduce任務(wù)。D. Reducer將最后結(jié)果寫入輸出文件保存到HDFS。17.MapReduce流程有_各階段。A.三B.二C.四D.五18.在MapReduce中，_階段，Mapper執(zhí)行

18、map task，將輸出結(jié)果寫入中間文件。A.ShuffleB.MapC.ReduceD.Sort19. 在MapReduce中，_階段，把Mapper的輸出數(shù)據(jù)歸并整理后分發(fā)給Reducer處理。A.ShuffleB.MapC.ReduceD.Sort20. 在MapReduce中，_階段，Reducer執(zhí)行reduce task，將最后結(jié)果寫入HDFS。A.ShuffleB.MapC.ReduceD.Sort第六章 HBASE數(shù)據(jù)庫1. HBase依靠_存儲底層數(shù)據(jù)。A.HDFSB.HadoopC.MemoryD.MapReduce2. HBase依賴_提供強(qiáng)大的計(jì)算能力。A.Zookee

19、perB.ChubbyC.RPCD.MapReduce3. HBase依賴_提供消息通信機(jī)制A.ZookeeperB.ChubbyC.RPCD.Socket3.下列選項(xiàng)中，關(guān)于HBase特性描述不正確的一項(xiàng)是_。A.高可靠性B.高性能C.面向行D.可伸縮4.HBase架構(gòu)的四大組件中，_包含訪問HBase的接口。A.ZookeeperB.MasterC.Region ServerD.Client5. HBase架構(gòu)的四大組件中，_HBase具體對外提供服務(wù)的進(jìn)程。A.ZookeeperB.MasterC.Region ServerD.Client6. HBase架構(gòu)的四大組件中，_分布式協(xié)調(diào)服

20、務(wù)器。A.ZookeeperB.MasterC.Region ServerD.Client7. HBase架構(gòu)的四大組件中，_HBase集群的主控服務(wù)器。A.ZookeeperB.MasterC.Region ServerD.Client9.下列關(guān)于HBase系統(tǒng)分層架構(gòu)敘述不正確的一項(xiàng)為_。A.HDFS提供了HBase的頂層物理存儲結(jié)構(gòu)B. Hadoop平臺提供了存儲基礎(chǔ)結(jié)構(gòu)：Hadoop集群及系統(tǒng)軟件C.客戶端：提供了數(shù)據(jù)庫訪問接口D. Region Server：管理多個(gè)regions并提供數(shù)據(jù)訪問服務(wù)10. HFile數(shù)據(jù)格式中的KeyValue數(shù)據(jù)格式中Value部分是（）。A.擁有

21、復(fù)雜結(jié)構(gòu)的字符串B.字符串C.二進(jìn)制數(shù)據(jù)D.壓縮數(shù)據(jù)11.下列關(guān)于split敘述正確的一項(xiàng)是_。A.當(dāng)單個(gè)StoreFile大小小于一定的闕值后觸發(fā)B.把當(dāng)前的Region分裂成2個(gè)子RegionC.子Region會被Master分配到不同的Region Server上D.是HBase提供的超載機(jī)制12.HBase數(shù)據(jù)模型以_的形式存儲數(shù)據(jù)。A.表B.視圖C.數(shù)組D.記錄13.下列不屬于HBase基本元素的一項(xiàng)是_。A.表B.記錄C.行鍵D.單元格14.下列關(guān)于HBase數(shù)據(jù)模型敘述不正確的一項(xiàng)是_。A.表有單元格組成B.一個(gè)表可以包含若干個(gè)列族C.一個(gè)列族內(nèi)可用列限定符來標(biāo)志不同的列D.存于

22、表中單元的數(shù)據(jù)尚需打上時(shí)間戳15.在HBase數(shù)據(jù)模型中，不可以作為行鍵的是_。A.字符串B.整數(shù)C.二進(jìn)制串D.并行化的結(jié)構(gòu)16.下列關(guān)于數(shù)據(jù)模型中行的敘述不正確的一項(xiàng)為_。A.表按照行鍵“逐字節(jié)排序”順序?qū)π羞M(jìn)行有序化的處理B.表內(nèi)數(shù)據(jù)非?！熬o密”C.不用行的列的數(shù)目完全可以大不相同D.可以只對一行上“鎖”17.在HBase數(shù)據(jù)模型中，列必須用_來定義。A.鍵B.族C.單元格D.時(shí)間戳18.在HBase物理存儲結(jié)構(gòu)中，table表中的所有行都按照_的字典序排序。A.ASCIIB.keyC.row keyD.key row19.在HBase物理存儲結(jié)構(gòu)中，region按大小分割的，每個(gè)表一開

23、始有_region。A.一個(gè)B.兩個(gè)C.三個(gè)D.不確定20._是HBase中分布式存儲和負(fù)載均衡的最小單位。A.HRegionB.StoreC.MemStoreD.StoreFile21.客戶端從Zookeeper獲取Region的存儲位置信息后，直接在_上讀寫數(shù)據(jù)。A.ZookeeperB.HMasterC.Region ServerD.HLog22.將數(shù)據(jù)更新寫入_，只有其寫入完成后，commit()才返回給客戶端。A.ZookeeperB.HMasterC.Region ServerD.HLog第七章 Hive數(shù)據(jù)倉庫1.Hive可以將結(jié)構(gòu)化的數(shù)據(jù)文件映射成_，并提供完整的SQL查詢功能

24、。A.數(shù)據(jù)庫表B.表單C.視圖D.二維表2.關(guān)于Hive與Pig的比較正確的一項(xiàng)為_。A.Pig更適合于數(shù)據(jù)呈現(xiàn)的工作B.Pig能對中小規(guī)模的數(shù)據(jù)進(jìn)行迭代處理C.Hive更適合做數(shù)據(jù)準(zhǔn)備階段的工作D.Hive會按照用戶所需要的形式呈現(xiàn)3.Hive包括_中連接模式。A.二B.四C.三D.五4._模式，只適合于Hive簡單試用及單元測試。A.單用戶模式B.多用戶模式C.多用戶遠(yuǎn)程模式D.單用戶遠(yuǎn)程模式5._模式，多個(gè)Hive用戶通過網(wǎng)絡(luò)連接到數(shù)據(jù)庫。A.單用戶模式B.多用戶模式C.多用戶遠(yuǎn)程模式D.單用戶遠(yuǎn)程模式6. _模式，用于非Java客戶端訪問元數(shù)據(jù)庫，在服務(wù)器端啟動一個(gè)MetaStoreS

25、erver，客戶端利用Thrift協(xié)議通過MetaStoreServer訪問元數(shù)據(jù)庫。A.單用戶模式B.多用戶模式C.多用戶遠(yuǎn)程模式D.單用戶遠(yuǎn)程模式第八章 流計(jì)算系統(tǒng)1.1988年通信領(lǐng)域的美國學(xué)者M(jìn)onika R. Henziger 將流數(shù)據(jù)定義為“只能以事先規(guī)定好的順序被讀取一次的數(shù)據(jù)的一個(gè)序列”。( )A.正確B.錯(cuò)誤2.MapReduce批處理模型是先將數(shù)據(jù)存儲于文件系統(tǒng)或數(shù)據(jù)庫，然后對存儲系統(tǒng)中的靜態(tài)數(shù)據(jù)進(jìn)行處理運(yùn)算，這一步驟并不是實(shí)時(shí)在線的，因此又被稱為離線批處理模式。( )A.正確B.錯(cuò)誤3.流計(jì)算是在數(shù)據(jù)到達(dá)之后即進(jìn)行計(jì)算處理。A.正確B.錯(cuò)誤4.在流計(jì)算系統(tǒng)模型中，分布式系

26、統(tǒng)常用_來表征計(jì)算流程或計(jì)算模型。A.無項(xiàng)循環(huán)圖B.有向循環(huán)圖C.無向非循環(huán)圖D.有向非循環(huán)圖5.在流計(jì)算的處理模式中Native Stream Processing System基于數(shù)據(jù)讀入順序逐條進(jìn)行處理，每一條數(shù)據(jù)達(dá)到即可得到及時(shí)處理。A.正確B.錯(cuò)誤6.對Client/Server系統(tǒng)而言，_的吞吐率是指服務(wù)器在單位時(shí)間內(nèi)對所有的客戶端完成的任務(wù)數(shù)。A.服務(wù)器端B.客戶端C.系統(tǒng)端D.管理員端7. 對Client/Server系統(tǒng)而言，_的吞吐率是指對單個(gè)客戶而言服務(wù)器在單位時(shí)間內(nèi)完成的該客戶提交的任務(wù)數(shù)目。A.服務(wù)器端B.客戶端C.系統(tǒng)端D.管理員端8.關(guān)于Storm流計(jì)算敘述不正確

27、的一項(xiàng)為_。A.Storm是一種Native Stream Processing System，即對流數(shù)據(jù)的處理是基于每條數(shù)據(jù)進(jìn)行B.Storm其并行計(jì)算是基于有Spout和Bolt組成的有向拓?fù)鋱DToPology來實(shí)現(xiàn)C. Topology：定義了串行計(jì)算的邏輯模型（或者稱抽象模型），也即從功能和架構(gòu)的角度設(shè)計(jì)了計(jì)算的步驟和流程。D.Topology里的Spout和Bolt的功能是靠worker節(jié)點(diǎn)上的Task來實(shí)現(xiàn)9.下列不是Storm流計(jì)算的特點(diǎn)的是_。A.分布式B.實(shí)時(shí)性C.復(fù)雜性D.容錯(cuò)性10Storm的計(jì)算機(jī)體系采用了主從(Master/Slave)架構(gòu)。A.正確B.錯(cuò)誤11.在Storm的軟件架構(gòu)中，_運(yùn)行在主節(jié)點(diǎn)上，是整個(gè)流計(jì)算集群的控制核心，總體負(fù)責(zé)topology的提交、運(yùn)行狀態(tài)監(jiān)控、負(fù)載均衡及任務(wù)重新分配等。A. 主控程序NimbusB. 集群調(diào)度器ZookeeperC. 工作節(jié)點(diǎn)控制程序 SupervisorD. 工作進(jìn)程 Worker12. 在Storm的軟件架構(gòu)中，_由Hadoop平臺提供，是整個(gè)集群狀態(tài)同步協(xié)調(diào)的核心組件。A. 主控程序NimbusB. 集群調(diào)度器ZookeeperC. 工作節(jié)點(diǎn)控制程序 SupervisorD. 工作進(jìn)程 Worker13. 在Storm的軟件架構(gòu)中，_運(yùn)行在工作節(jié)點(diǎn)（稱為node）上的控制程序