批处理优先推荐使用Spark或SparkSQL模式，也可以使用MapReduce或Hive模式。两种批处理模式可以同时使用（）

A.HIVE构建于HDFS和MapReduce之上

B.HIVE使用类SQL的HQL语言作为查询接口

C.HIVE的并行执行主要依赖MapReduce来实现

D.HIVE不能运行在Spark上

A.sparkstreaming

B.sparkcore

C.mapreduce

D.sparksql

A、执行计划优化完全依赖于Hive，不方便添加新的优化策略

B、执行计划优化不依赖于Hive，方便添加新的优化策略

C、Spark是线程级并行，而MapReduce是进程级并行，因此，Spark在兼容Hive的实现上存在线程安全问题，导致Shark不得不使用另外一套独立维护的、打了补丁的Hive源码分支

D、Spark是进程级并行，而MapReduce是线程级并行，因此，Spark在兼容Hive的实现上存在线程安全问题，导致Shark不得不使用另外一套独立维护的、打了补丁的Hive源码分支

A.Stormstreaming

B.MapReduce

C.Spark

D.HIVE

A.Flume

B.Hive

C.Spark

D.Storm

A、Scala是Spark的主要编程语言，但Spark还支持Java、Python、R作为编程语言

B、Spark提供了内存计算，可将中间结果放到内存中，对于迭代运算效率更高

C、Spark基于DAG的任务调度执行机制，要优于Hadoop MapReduce的迭代执行机制

D、Spark的计算模式也属于MapReduce，但编程模型比Hadoop MapReduce更灵活

A.MapReduce

B.Spark

C.Storm

D.Pregel

A.使用动作功能

B.使用批处理功能

C.使用历史记录功能

D.数据合并功能

A、MapReduce

B、HDFS

C、HIVE

D、PIG