在高阶数据处理中，往往无法把整个流程写在单个MapReduce作业中，下列关于链接MapReduce作业的说法，不正确的是() A: Job和JobControl类可以管理非线性作业之间的依赖 B: ChainMapper和ChainReducer类可以用来简化数据预处理和后处理的构成 C: 使用ChainReducer时，每个mapper和reducer对象都有一个本地JobConf对象 D: ChainReducer.addMapper()方法中，一般对键/值对发送设置成值传递，性能好且安全性高

在高阶数据处理中,往往无法把整个流程写在单个MapReduce 作业中,下<br/>列关于链接MapReduce 作业的说法,不正确的是() A: . Job 和JobControl类可以管理非线性作业之间的依赖 B: . ChainMapper和 ChainReducer类可以用来简化数据预处理和后处理的构成<br/>c.使用ChainReducer时,每个mapper 和 reducer对象都有一个本地JobConf<br/>对象 C: . ChainReducer.addMapper()方法中,一般对键/值对发送设置成值传递,性能<br/>好且安全性高

传统的MapReduce模型要求每一轮MapReduce操作之后，数据必须落地到分布式文件系统上。而一般的MapReduce应用通常由多个MapReduce作业组成，每个作业结束之后需要写入磁盘，接下去的Map任务很多情况下只是读一遍数据，为后续的Shuffle阶段做准备，这样其实造成了冗余的IO操作。为了解决这一问题，提供更优的性能，大数据计算服务提供了扩展的MapReduce模型，该模型区别于普通MapReduce模型的主要特点是？（） A: 支持Map后连接任意多个Reduce操作，如Map-Reduce-Reduce B: 支持Map后不连接Reduce，而是连接另一个map，如Map-Map-Reduce C: 支持ChainMapper／Reducer，即支持Map-Reduce-Map-Reduce D: 支持没有Map，直接进入Reduce