大数据处理框架之流计算框架（）。

A.Spark是基于内存的迭代计算框架，适用于需要多次操作特定数据集的应用场合

B.Spark不适用那种异步细粒度更新状态的应用

C.Spark基于非实时数据流的数据处理

D.Spark的适用面比较广泛且比较通用

A、Spark实时计算框架

B、Strom流计算框架

C、Giraph图计算框架

D、Mapreduce离线计算框架

A、复杂的批量数据处理：MapReduce

B、基于历史数据的交互式查询：Impala

C、基于实时数据流的数据处理：Storm

D、图结构数据的计算：Hive

A、利用分布式文件系统、数据仓库、关系数据库等实现对结构化、半结构化和非结构化海量数据的存储和管理

B、利用分布式并行编程模型和计算框架，结合机器学习和数据挖掘算法，实现对海量数据的处理和分析

C、构建隐私数据保护体系和数据安全体系，有效保护个人隐私和数据安全

D、把实时采集的数据作为流计算系统的输入，进行实时处理分析

A、Pig：处理大规模数据的脚本语言

B、Tez：支持DAG作业的计算框架

C、Oozie:工作流和协作服务引擎

D、Kafka：分布式发布订阅消息系统

A、Strom

B、Spark

C、Samza

D、Tensorflow

A、收集管理层

B、软件应用层

C、实现应用层

D、回馈分析层