请在 下方输入 要搜索的题目：
推荐参考答案 (
由 搜题小帮手 官方老师解答 )
答案：
以下文字与答案无关
提示：有些试题内容 显示不完整,文字错误 或者 答案显示错误等问题，这是由于我们在扫描录入过程中 机器识别错误导致,人工逐条矫正总有遗漏，所以恳请 广大网友理解。
相关试题
- 1.Spark与Hadoop的区别（ ）？ 选项： A:Spark是基于内存计算框架，而Hadoop基于硬盘计算框架 B:Spark是基于硬盘计算框架，而Hadoop基于内存计算框架 C:Spark是一站式计算框架，而Hadoop只适合离线处理计算框架 D:Spark只适合离线处理计算框架，而Hadoop是一站式计算框架
- 2.下列基于Yarn的计算框架描述正确是（ ）。选项： A:MapReduce 是一种离线数据计算框架。 B:Storm是Twitter开源的分布式实时大数据处理框架。 C:Spark是基于内存计算的大数据并行计算框架。 D:Flink 是一种离线的数据计算框架。
- 3.spark于Hadoop的区别是（ ） 选项： A:spark是基于内存计算框架，而Hadoop基于硬盘计算框架 B:Spark是基于硬盘计算框架，而Hadoop基于内存计算框架 C:Spark是一站式计算框架，而Hadoop只适合离线处理计算框架 D:Spark只适合离线处理计算框架，而Hadoop是一站式计算框架
- 4.Spark是加州大学伯克利分校开发的（）计算框架
- 5.Spark是什么() 选项： A、Spark是基于内存计算的框架 B、Spark是基于磁盘计算的框架 C、Spark是一种基于RDD计算框架 D、Spark是一种并行计算框架
- 6.Hadoop框架的两个核心组件是HDFS 和MapReduce并行计算框架。
- 7.Spark是基于内存计算的大数据并行计算框架。下列关于Spark描述正确的是（）。 选项： A、Spark通过将中间结果缓存在内存减少磁盘I/O提升运行速度 B、Spark支持Java、Python、Scala的API C、Spark支持复杂查询 D、Spark与MapReduce一样，不支持实时流计算
- 8.下面关于Spark和Hadoop的关系，描述错误的是：选项： A:Spark和Hadoop一样，既包含了存储的组件，也包含了计算的组件; B:Spark作为计算框架，只能解决数据计算问题，无法解决数据存储问题; C:Spark只是取代了Hadoop生态系统中的计算框架MapReduce，而Hadoop中的其他组件依然在企业大数据系统中发挥着重要的作用; D:越来越多的企业放弃MapReduce，转而使用Spark开发企业应用
- 9.下面关于Spark和Hadoop的关系，描述错误的是：（ ） 选项： A、Spark和Hadoop一样，既包含了存储的组件，也包含了计算的组件 B、 Spark作为计算框架，只能解决数据计算问题，无法解决数据存储问题 C、 Spark只是取代了Hadoop生态系统中的计算框架MapReduce，而Hadoop中的其他组件依然在企业大数据系统中发挥着重要的作用 D、 越来越多的企业放弃MapReduce，转而使用Spark开发企业应用
- 10.Spark是基于内存计算的大数据并行计算框架，可用作数据处理、迭代计算、数据挖掘。 选项： A:正确 B:错误
- 11.【判断题】Hadoop分布式并行计算框架是基于内存的流处理框架。 选项： A:正确 B:错误
- 12.大数据处理框架之流计算框架（）。 选项： A、hadoop B、Spark streaming C、Flink D、STORM
- 13.大数据处理框架之流计算框架（）。 选项： A、hadoop B、Spark streaming C、Flink D、STORM
- 14.大数据处理框架之流计算框架（）。选项： A:hadoop; B:Spark streaming; C:Flink; D:STORM
- 15.大数据处理框架之流计算框架（）。 选项： A: hadoop B: Flink C: Spark streaming D: STORM
- 16.大数据处理框架之流计算框架（）。 选项： A: STORM B: Flink C: hadoop D: Spark streaming
-
17.大数据处理框架之流计算框架?() 选项： A、Spark
streaming B、STORM C、Flink D、Hadoop - 18.【单选题】下列关于Spark的描述错误的是A. Spark是一种快速、通用、可扩展的大数据分析引擎 B. Spark是基于hadoop实现的分布式计算框架 C. Spark的中间输出和结果输出可以保存在内存中，从而不再需要读写HDFS D. Spark是一种计算引擎，主要负责数据的计算
- 19.Spark相对于Hadoop MapReduce，其优点在于（）选项： A:Spark对数据集可以执行的操作少于MapReduce; B:Spark执行时间与Hadoop相差无几; C:Spark提供了内存计算; D:Spark基于MapReduce的迭代执行机制
