以下关于Spark计算模型的说法不正确的是（）
A: Spark能够与Hadoop生态系统完美融合
B: 几乎所有MapReduce程序都可以改造为Spark程序
C: 对一些特定类型的应用（例如迭代型算法），Hadoop的性能超出Spark100倍以上
D: Spark能够将应用在磁盘上的运行速度提升10倍
A: Spark能够与Hadoop生态系统完美融合
B: 几乎所有MapReduce程序都可以改造为Spark程序
C: 对一些特定类型的应用（例如迭代型算法），Hadoop的性能超出Spark100倍以上
D: Spark能够将应用在磁盘上的运行速度提升10倍
举一反三
- Spark相对于Hadoop MapReduce，其优点在于（） A: Spark对数据集可以执行的操作少于MapReduce B: Spark执行时间与Hadoop相差无几 C: Spark提供了内存计算 D: Spark基于MapReduce的迭代执行机制
- 与Hadoop对比，Spark的优点包括（） A: Spark的计算结果放在内存中，节省了磁盘存储空间。 B: Spark的计算模式也属于MapReduce，但编程模型比MapReduce更灵活。 C: Spark提供了内存计算，中间结果放到内存中，提高了迭代运算效率。 D: Spark基于DAG的任务调度执行机制，性能优于MapReduce的迭代执行机制。
- 关于Hadoop和Spark的相互关系，以下说法正确的是 A: Hadoop和Spark可以相互协作 B: Hadoop负责数据的存储和管理 C: Spark负责数据的计算 D: Spark要操作Hadoop中的数据，需要先启动HDFS
- spark和hadoop对比，说法正确的是？ A: Hadoop中间结果会存储在磁盘上 B: spark中间结果会存储在内存中 C: Spark已经完全取代hadoop D: Spark相对于hadoop提供了更多的操作
- 下面关于Spark和Hadoop的关系，描述错误的是：（ ） A: Spark和Hadoop一样，既包含了存储的组件，也包含了计算的组件 B: Spark作为计算框架，只能解决数据计算问题，无法解决数据存储问题 C: Spark只是取代了Hadoop生态系统中的计算框架MapReduce，而Hadoop中的其他组件依然在企业大数据系统中发挥着重要的作用 D: 越来越多的企业放弃MapReduce，转而使用Spark开发企业应用