A.缺失值处理
B.噪声数据清除
C.一致性检查
D.重复数据记录处理

A.分类算法对a类文本分类情况较好
B.分类算法对c类文本分类情况较好
C.分类算法对b类文本分类情况较好
D.分类算法对c类文本分类情况较差

A.Kdfka
B.Flume
C.Twitter
D.Zero

A.KMeans
B.SVMWithSGD
C.ALS
D.LinearRegressionWithSGD

A.LabledPoint是一种基于向量扩展得到的数据结构
B.向量既可以是本地的也可以是分布式的
C.MLlib中既可以定义稀疏向量也可以定义密集向量
D.在LabledPoint中除了包含一个向量成员外，还包含一个Double类型的标识成员

A.运算速度快，适用于具有较多迭代次数的算法
B.具有易用性，RDD中封装了大量的操作，ᨀ供了经典机器学习算法的API
C.集成度高，能够与Spark上的其他组件进行无缝对接
D.运行原理是将Spark程序转换为MapReduce程序运行，并行度高

A.用以实现三角形计数功能
B.返回的数据是顶点集合
C.要求边是规范的指向（srcId〈dstId）
D.返回的数据是图

A.GraphX是一种基于内存的分布式的图计算框架与图计算库
B.GraphX中引入了弹性分布式属性图
C.GraphX实现了表视图与图视图的统一
D.GraphXᨀ供了丰富的PregelAPI用以实现经典的图计算算法

A.ds上的操作都作用于其中的每个RDD上
B.ds.count结果返回一个RDD
C.ds.reduceByKey结果返回一个DStream类型实例
D.ds中的每个RDD是一个批处理时间间隔内SparkStreaming获取的实时数据.

A.socketSteam
B.kafkaSteam
C.flumeSteam
D.twitterSteam