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. B.三C 二 D.四2. 下列不屬于大數(shù)據(jù)特點(diǎn)的是（）。D.價(jià)值密度高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.1.0 D.2.04. 矢于大數(shù)據(jù)敘述不正確的一項(xiàng)是（）。A. 大數(shù)據(jù)二“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. 1

2、PB=1024EBD. 1024ZB=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(chǔ)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.

3、下列_不是云計(jì)算三層架構(gòu)的概括。A.IaaS BPaaS C.SaaP D.SaaS3.laaS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4 四層云棧模是將三層模式中的為虛擬資源層。A.硬件部分5.五層云棧模C有效計(jì)算D.隨需應(yīng)用 進(jìn)行分解，分為兩層，一層為硬件層，一B虛擬化部分C基礎(chǔ)設(shè)施D.平臺(tái)第五層為A.固件硬件層件環(huán)境層6.大數(shù)據(jù)是_的應(yīng)用。A.人工智能B. 云基本資源層C云應(yīng)用程序?qū)覦.云軟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)，由每個(gè)

4、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(chǔ)和處理_字節(jié)數(shù)據(jù)。A. TBB.PBC.YB D.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単機(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(tái)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(tái)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.JDK C.hadoop D.HDFS17. 完全分布式，不需要修改的配置文件為。A. core-site.xmlB.hdfs-site.xml C.hadoopen v.shD.mapred-site.xml18. HDFS架構(gòu)中有兩個(gè)。A. DataNodes B. JobTracke C.Name

6、NodeD.Seco ndayNameNode1 9 .下列不是hadoop核心組件的是。A.JobTracker B.TaskTracker C.HDFS D.Hbase20.存儲(chǔ)Hadoop集群中所有存儲(chǔ)節(jié)點(diǎn)上的文件，為海量提供存儲(chǔ)。A.JobTracker B.TaskTracker C.HDFS D.HBase1.第四章HDFS文件系統(tǒng)是指跨多臺(tái)計(jì)算或服務(wù)器的文件或文件夾，數(shù)據(jù)存儲(chǔ)在多臺(tái)機(jī)器而不是單臺(tái)機(jī)器上。A. 分布式存儲(chǔ)B.分頁式存儲(chǔ)C.鏈?zhǔn)酱鎯?chǔ)D.順序存儲(chǔ)2. 下列矢于hadoop系統(tǒng)架構(gòu)敘述不正確的一項(xiàng)為。A. 由一臺(tái)In tel x86處理器的服務(wù)器或PC機(jī)組成。B. 部署在

7、低成本Intel/linux硬件平臺(tái)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Lin ux操作系統(tǒng)。3. 主節(jié)點(diǎn)程序 。D.JobtrackerD.JobtrackerD.存儲(chǔ)服務(wù)器A.NameNodeB.DataNodeC.SecondaryNameNode4. 從節(jié)點(diǎn)程序 。A.NameNodeB.DataNodeC.SecondaryNameNode5. 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.

8、2C.1D.不確定8. 下列通常與NameNode在一個(gè)節(jié)點(diǎn)啟動(dòng)。A. SecondaryNameNodeB. DataNodeC. TaskTrackerD. Jobtracker9. HDFS每個(gè)文件被劃分成于同一個(gè)文件的blocks分散存儲(chǔ)在不同 DataNode 上。A. 32MBB. 64MBC. 128MBD. 無法確定大小的多個(gè)block 屬10. 下面哪個(gè)程序負(fù)責(zé)HDFS數(shù)據(jù)存儲(chǔ)？（）A. NameNodeB. JobTrackerC. DataNodeD. SecondaryNameNodeE. tasktracker11 NameNode是HDFS系統(tǒng)中的管理局節(jié)點(diǎn)，它管理

9、文件系統(tǒng)的命名空間， 記錄每個(gè)文件數(shù) 據(jù)塊在DataNode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(dòng)和空間 本身屬性的改動(dòng)。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. 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.次寫入，多次讀取13. 矢于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. Clie nt在HDFS上進(jìn)行文件寫入時(shí)，

10、name node根據(jù)文件大小和配置情況，返回部分 data node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?到每一個(gè)DataNode塊A. Clie ntB. Name nodeC. Data nodeD. Sec on dary n ame node15. HDFS無法高效存儲(chǔ)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name node內(nèi)存或?qū)⑽募到y(tǒng)元數(shù)據(jù)存到硬盤里16. 在HDFS的

11、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.DistributedFileSystem B.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.DistributedFileSystemn putSystemC. FSDataOutputSystemD. In putSystem18. 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)的close()接口矢閉這個(gè)文件。用B. FSData

12、lA.DistributedFileSystemB.FSDatalC. FSDataOutputSystem門 PutSystem19在HDFS的數(shù)據(jù)寫入過程中，客服端音軸f甯"stem的實(shí)例的create。方法打開一個(gè)文件。A.DistributedFileSystem B.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.FSDatalC. FSDataOutputSystem門 putS

13、ystem21 .HDFS的錯(cuò)誤檢測不包括Dn putSystemA.NameNode檢測B.DataNode檢測C.數(shù)據(jù)錯(cuò)誤檢測D.冗余檢測第五章MapReduce原理與編程I 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.1TB B.10GBC.10TBD.1PB3. 下列矢于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. 下列矢于M

14、apReduce的特性敘述正確的一項(xiàng)是 。A. 自動(dòng)實(shí)現(xiàn)分布式串行計(jì)算B. 自動(dòng)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. 矢于集群的特點(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. 下列尖于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)以來尖系的大數(shù)據(jù)進(jìn)行分而治之。B. 用Map和R

15、educe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. 下列矢于MPI敘述不正確的一項(xiàng)是。A. 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. 下列尖于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II 下列尖于Map/Reduce并行計(jì)算模型敘述正確的一項(xiàng)為。A. Map/Redu

16、ce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.Client B.JobTracker C.TaskTracker D.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.Client B.JobTracker C.TaskTracker D.Task14. 在MapReduce計(jì)算架構(gòu)中，組件運(yùn)

17、行在DataNode上，具體管理本節(jié)點(diǎn)計(jì)算任務(wù)的執(zhí)行。A.Client B.JobTracker C.TaskTracker D.Task15. |列尖于JobTracker敘述不正確的一項(xiàng)為。A.MapReduce框架的使用者B協(xié)調(diào)Map Reduce作業(yè)C分配任務(wù)D. 監(jiān)控任務(wù)16. |、列矢于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. Applicatio n Master調(diào)度Reducer讀取Map per的中間輸出文件，執(zhí)行Reduce任

18、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，Map per執(zhí)行map task，將輸出結(jié)果寫入中間文件。A.ShuffleB.MapC.Reduce D.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Map Reduce中，階段，Reducer執(zhí)行reduce task、將最后結(jié)果寫入HDFSA.ShuffleB.MapC.ReduceD.Sort第

19、六章HBASE數(shù)據(jù)庫1. HBase依靠存儲(chǔ)底層數(shù)據(jù)。A. HDFSB. HadoopC. Memory2. HBase依賴提供強(qiáng)大的計(jì)算能力。A. Zooke即erB. ChubbyC. RPC3. HBase依賴提供消息通信機(jī)制A. ZookeeperB. ChubbyC. RPC3.下列選項(xiàng)中矢于HBase特性描述不正確的一項(xiàng)是D. MapReduceD. MapReduceD. SocketC. Region ServerD.ClientHBase具體對外提供服務(wù)的進(jìn)C. Region ServerD.Client分布式協(xié)調(diào)服務(wù)器。C. Region ServerD.ClientHBa

20、se集群的主控服務(wù)器。C. Region ServerD.ClientC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.Master5. HBase架構(gòu)的四大組件中，A ZookeeperB.Master6 HBase架構(gòu)的四大組件中，A ZookeeperB.Master7. HBase架構(gòu)的四大組件中，A ZookeeperB.MasterA.高可靠性B.高性能9下列尖于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(chǔ)結(jié)構(gòu)B. Hadoop平臺(tái)提供了存儲(chǔ)基礎(chǔ)結(jié)構(gòu)：Hadoop集群及系統(tǒng)軟件C.

21、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. 下列尖于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(huì)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(chǔ)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)

22、是。A.表B.記錄C行鍵D.單元格14. 下列尖于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. 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. 下列矢于數(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

23、理存儲(chǔ)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(chǔ)結(jié)構(gòu)中，region按大小分割的，每個(gè)表一開始有region。A.個(gè)B.兩個(gè)C三個(gè)D.不確定20. 是HBase中分布式存儲(chǔ)和負(fù)載均衡的最小單位。A.HRegionB.Store C.MemStoreD.StoreFile21. 客戶端從Zookeeper獲取Region的存儲(chǔ)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，commitO才

24、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。A.數(shù)據(jù)庫表B表單C視圖D二維表2. 尖于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(huì)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

25、，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(dòng)一個(gè)MetaStoreServer，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(chǔ)于文件系統(tǒng)或數(shù)據(jù)庫，然后對存儲(chǔ)系統(tǒng)中

26、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

27、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. 矢于Storm流計(jì)算敘述不正確的一項(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Ta

28、sk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(tái)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)