MapReduce中search任务可以只用map实现

统计最流行的单词时，可以通过提前去除出现频率低的单词，来提高程序效率

Spark的核心API支持下列哪几种语言

Spark具备快速的内存计算能力，其API支持Java、Scala,、Python、R四种编程语言。

Spark生态体系中，包括以下哪几种计算框架

Streaming具备实时流数据的处理能力。Spark SQL使得用户使用他们最擅长的语言查询结构化数据，DataFrame位于Spark SQL的核心，DataFrame将数据保存为行的集合，对应行中的各列都被命名，通过使用DataFra...

Spark一切都以ResilientDistributedDataset(RDD)为基础

RDD是Spark框架中的核心概念。可以将RDD视作数据库中的一张表。其中可以保存任何类型的数据。Spark将数据存储在不同分区上的RDD之中。

以下针对RDD的操作中，属于Transformation的操作有哪些？

常见的RDD的Transformation操作如下：map()：参数是函数，函数应用于RDD每一个元素，返回值是新的RDDflatMap()：参数是函数，函数应用于RDD每一个元素，将元素数据进行拆分，变成迭代器，返回值是新的RDDfilt...

以下针对RDD的操作中，属于Action的操作有哪些？

collect()：返回RDD所有元素count()：RDD里元素个数countByValue()：各元素在RDD中出现次数reduce()：并行整合所有RDD数据，例如求和操作fold(0)(func)：和reduce功能一样，不过fol...

在Spark的运行架构中，一个Job包含多个Task(被送到executor上的工作单元)组成的并向计算，往往由Transformation产生

Job是指包含多个Task组成的并行计算，往往由Action操作产生

在Spark计算的过程中，可以直接使用Localfiles和DFSfiles作为数据源来生成原始RDD。

哪些是流式数据处理的特征？

Storm中的Bolt既可以处理收到的Tuples，也可以创建新的Tuples流。

在下列哪些生产环境的需求驱动下，使用“NoSQL”系列数据库比较合适

并不是任何场景，“NoSQL”系列数据库都优于传统的关系型数据库，一般来说，在以下情况下，比较适合使用“NoSQL”系列数据库：1）数据库表的schema经常变化；比如在线商城，维护产品的属性经常要增加字段，如果该表的数据量过百万，新增字段...

Chubby是一种高可用的分布式锁服务，Chubby有几个活跃副本，同时有几个主副本提供服务，

Chubby是一种高可用的分布式锁服务，Chubby有五个活跃副本，同时只有一个主副本提供服务，副本之间用Paxos算法维持一致性，Chubby提供了一个命名空间（包括一些目录和文件），每个目录和文件就是一个锁，Chubby的客户端必须和C...

下列哪个不属于HBase的特点

HBase是基于Google BigTable模型开发的，典型的key/value系统；

GraphDB的特性是对关系进行操作。