题目内容
（请给出正确答案）
提问人：网友王静平
发布时间：2022-10-31
[多选题]
Hadoop框架的缺陷有？（）
A.无法高效低支持迭代式计算
B.海量的数据存储
C.过多的磁盘操作，缺乏对分布式内存的支持
D.表达能力有限，MR编程框架的限制
参考答案
A.MR编程框架的限制
B.过多的磁盘操作,缺乏对分布式内存的支持
C.无法高效低支持迭代式计算
D.海量的数据存储
网友您好，请在下方输入框内输入要搜索的题目：
搜题
题目内容
（请给出正确答案）
参考答案
更多“Hadoop框架的缺陷有？（）”相关的问题
第2题
大数据挖掘选用Spark框架的原因有（)
A.MR框架过多的磁盘操作,缺乏对分布式内存的支持
B.MR框架无法高效地支持迭代式计算
C.MR框架无法高效地支持交互式数据挖掘任务
D.MR框架无法进行分析性计算任务
第3题
关于Hadoop生态系统中HBase与其它部分的关系，以下说法正确的有：
A.HBase利用MapReduce来处理HBase中的海量数据，实现高性能计算
B.利用Zookeeper作为协同服务，实现稳定服务和失败恢复
C.使用HDFS作为高可靠的底层存储，利用廉价集群提供海量数据存储能力
D.利用Pig和Hive为HBase提供了高层语言支持
E.使用Sqoop为HBase提供了高效便捷的RDBMS数据导入功能
第5题
下面关于Hadoop的描述错误的是：（)。
A.Hadoop是一个能够对大量数据进行分布式处理的软件框架
B.作为并行分布式计算平台，Hadoop采用分布式存储和分布式处理两大核心技术，能够高效地处理PB级数据
C.Hadoop只支持Java编程语言
D.Hadoop可以高效稳定地运行在廉价的计算机集群上，可以扩展到数以千计的计算机节点上
第6题
下面的论述中，正确的是：
A.传统的机器学习算法，由于技术和单机存储的限制，大多只能在少量数据上使用
B.利用MapReduce框架在全量数据上进行机器学习，这在一定程度上解决了统计随机性的问题，提高了机器学习的精度
C.MapReduce可以高效支持迭代计算
D.Spark无法高效支持迭代计算
第7题
Hadoop框架中最核心的设计是什么（)。
A.Hadoop不仅可以运行在企业内部的集群中，也可以运行在云计算环境中
B.Hadoop被视为事实上的大数据处理标准
C.Hadoop为海量数据提供存储的HDFS和对数据进行计算的MapReduce
D.Hadoop提供整个HDFS文件系统的命名空间管理，块管理等所有服务
第8题
Hadoop框架中最核心的设计是（）
A.为海量数据提供存储的HDFS和对数据进行计算的MapReduce
B.提供整个HDFS文件系统的NameSpace(命名空间)管理、块管理等所有服务
C.Hadoop不仅可以运行在企业内部的集群中，也可以运行在云计算环境中
D.Hadoop被视为事实上的大数据处理标准
第10题
关于数据仓库Impala的描述错误的是（）
A.[A]Impala作为开源大数据分析引擎，支持实时计算，它提供了与Hive类似的功能，并在性能上比Hive高出3~30倍
B.[B]Impala是由Cloudera公司开发的查询系统
C.[C]Impala提供了SQL语义，能查询存储在Hadoop的HDFS和HBase上的PB级别海量数据
D.[D]Impala最初是参照MySQL系统进行设计的
第11题
与Hadoop相比，Spark主要有以下哪些优点？
A.提供多种数据集操作类型而不仅限于MapReduce
B.数据集中式计算更加高效
C.提供了内存计算，带来了更高的迭代运算效率
D.基于DAG的任务调度执行机制
