第三章单元测试
- HBase依赖（ ）提供强大的计算能力。
- 计算模式管理和调度器模块名称是（ ）。
- 以下对Hadoop的描述不正确的是（ ）。
- 下面对HDFS描述不正确的是（ ）。
- 下面对MapReduce描述不正确的是（ ）。
- 下面的描述不正确的是（ ）。
- 下面对HBase的描述不正确的是（ ）。
- 下面对Spark的描述不正确的是（ ）
- 下面对Hive的描述不正确的是（ ）
YARN无法为计算框架提供统一的资源调度管理服务。（ ）
A:HDFS
B:MapReduce
C:Chubby
D:Zookeeper
答案:MapReduce
A:YARN
B:Zookeeper
C:Hive
D:HBase
A:HDFS与传统的文件系统相同
B:Hadoop是基于Java语言开发的，具有很好的跨平台特性，并且可以部署在廉价的计算机集群中
C:MapReduce处理数据时，分为Map阶段和Reduce阶段
D:Hadoop是Apache软件基金会旗下的一个开源分布式计算平台，为用户提供了系统底层细节透明的分布式基础架构
A:HDFS采用B/S结构
B:HDFS是分布式文件系统
C:HDFS有一定的容错性，能提供高吞吐量的数据访问，适合大规模数据集上的应用
D:HDFS采用冗余副本机制存储数据
A:MapReduce是一种分布式并行编程模型
B:MapReduce框架采用了主/从(Master/Slave)架构
C:MapReduce的思想是分而治之
D:MapReduce使用Map函数实现对结果的汇总
A:HDFS Federation中的所有名称节点会共享底层的数据节点存储资源
B:YARN在管理资源上采用的是主/从架构
C:YARN是一个资源管理调度框架和计算框架
D:HDFS HA指HDFS的高可用性
A:HBase是Bigtable的开源实现
B:HBase通过行键即可确定数据
C:HBase利用Hadoop HDFS作为文件存储系统
D:HBase可以存储非结构化和半结构化的松散数据
A:Spark是基于内存计算的大数据并行计算框架
B:Spark Core是Spark的核心组件
C:相较于MapReduce，Spark的容错性低
D:Spark可以应用于定制广告系统场景中
A:Hive是针对数据仓库应用设计的
B:Hive适用于对数据频繁改写的场景中
C:Hive建立在Hadoop之上，所有Hive的数据都存储在HDFS中
D:Hive采用了类似SQL的查询语言HQL
A:错 B:对
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
