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
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
举一反三
- Hadoop框架的缺陷不包括 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
- Hadoop框架的缺陷有是（ ） A: 过多的磁盘操作，缺乏对分布式内存的支持。 B: 无法高效的支持迭代式计算。 C: MR编程框架的限制。 D: 海量的数据存储。
- Spark是分布式的、主要基于内存的、特别适合于迭代计算的大数据计算框架。(<br/>)
- Spark与Hadoop的区别() A: Spark是基于硬盘计算框架，而Hadoop基于内存计算框架 B: Spark是基于内存计算框架，而Hadoop基于硬盘计算框架 C: Spark只适合离线处理计算框架，而Hadoop是一站式计算框架 D: Spark是一站式计算框架，而Hadoop只适合离线处理计算框架
- 分布式计算是使用分布式计算框架来进行，（ ）计算，并且支持（ ）