A.HDFS
B.MapReduce
C.Hbase
D.Zookeeper
第3题
A、并行决策树可以对每个属性的重要性分别进行计算。
B、并行k均值算法在map程序中各个数据节点要共享各分组的几何重心(每次迭代产生的“聚类中心”)。
C、常见的机器学习算法可以使用批处理的改造方式实现分布式计算。
D、分布式机器学习利用并行计算可以提升算法的性能。
第4题
(46)
A. 终端用户开发成本
B. 本地文件维护成本
C. 外部采购成本
D. 解决问题的成本
(47)
A. 软硬件费用
B. 财务和管理费用
C. IT 人员工资
D. 中断生产、恢复成本
第5题
A.终端用户开发成本
B.本地文件维护成本
C.外部采购成本
D.解决问题的成本
第6题
A、k-均值聚类需要大量的迭代,因此不能使用分布式计算。
B、k-均值的分布式实现需要MapReduce的各个数据节点共享假设的聚类中心。
C、k-均值算法的大量迭代运算在分布式环境下的效率一般更高。
D、k-均值在Spark内存计算框架下运行要比Hadoop MapReduce下运行要快的多。
第7题
B、雾计算可以实现数据短暂缓存,减少网络压力
C、雾计算比云计算提供更高可靠性的网络和物理设备安全
D、雾计算可以减少核心Internet中消耗的带宽,限制数据向本地网络的移动
为了保护您的账号安全,请在“上学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!