云计算期末综合测试题

云计算综合测试题

  • 单选题
  • 填空题
  • 判断题
  • 简答题

单选题


  • 这里选择题,直接以填空题展示,并给出解析

  1. Bigtable是(Google)开发的分布式存储系统
  • 解析:分布式结构化数据表Bigtable是Google基于GFS和Chubby开发的分布式存储系统。
  1. WAS的存储名空间中,账户名负责将访问请求定位(集群)
  • 解析:WAS(Windows Azure Stroage)实现单一的全局命名空间(账户名、分区名、对象名)。账户名经DNS翻译可定位到数据中心和主存储集群;分区名可进一步定位到存储节点;对象名定位到对象
  1. 于WAS的文件流层,以下说法正确的(可以追加写,但不能修改现有的数据)
  • 解析:文件流层只为分区层提供一个内部使用的接口,所有的写只能追加。允许用户的操作有:打开、关闭、删除、重命名、读、追加以及合并(没有修改操作)
  1. 关于SimpleDB和DynamoDB,以下描述正确的(SImpleDB限制了每张表的大小,DynamoDB不限制每张表的大小)
  • 解析:
    • SimpleDB:限制每张表的大小,更适合于小规模负载的工作
    • DynamoDB:不限制表的大小、适用于大规模的工作
  1. vNetwork的虚拟交换机通过(上行链路)连接到物理以太网适配器。
  • 解析:上行链路是指从虚拟交换机到物理网络设备的连接,这个连接使得虚拟网络能够与外部物理网络进行通信。
  1. Bigtable中,数据划分和负载均衡的基本单位是()。
  • 解析:由于规模问题,单个的大表不利于数据的处理,因此Bigtable将一个表分成了很多子表(Tablet),每个子表包含多个行。子表是Bigtable中数据划分和负载均衡的基本单位。
  1. GFS使用Chubby主要用来(选取主服务器
  • 解析:GFS使用Chubby选取一个GFS主服务器,Bigtable使用Chubby指定一个主服务器并发现、控制与其相关的子表服务器。
  1. S3的访问控制策略中,“所有者"拥有(WRITE_ACP)权限,相当于拥有了最高权限。
  • 解析:所有者是桶或对象的创建者,默认具是WRITE_ACP权限。但是所有者可以通过覆写相应桶或对象的ACP获取想要的权限,从这个意义上来说,所有者默认就是最高权限拥有者。
    在这里插入图片描述
  1. GFS的默认Chunk大小(64MB
  • 解析:GFS将文件按照固定大小进行分块,默认是64MB,每一块称为一个Chunk(数据块)
  1. Windows Azure平台的四个组成部分中,(AppFabric)为在云中或本地系统中的应用提供基于云的基础架构服务
  • 解析:
组成部分说明
Windows Azure微软云计算操作系统,提供在微软数据中心服务器上运行应用程序和存储数据的Windows环境
SQL Azure云中的关系数据库,为云中基于SQL Server的关系型数据提供服务
Windows Azure AppFabric为在云中或本地系统中的应用提供基于云的基础架构服务
Windows Azure Marketplace为购买云计算环境下的数据和应用提供在线服务

填空题

  1. Paxos算法是为了解决分布式系统的(一致性)问题
  • 解析:Paxos算法一种基于消息传递(Messages Passing)的一致性算法,用于解决分布式系统中的一致性问题。
  1. EC2中的实例由(AMI)启动,可以像传统的主机一样提供服务。
  • 解析:Amazon机器映像(Amazon Machine Image,AMI)是包含操作系统、服务器程序、应用程序等软件配置的模板,可以用于启动不同实例,进而像传统的主机一样提供服务。
  1. Chunk Server)的数目决定了Google文件系统GFS的规模。
  • 解析:Chunk Server负责具体的存储工作。数据以文件的形式存储在Chunk Server上,ChunkServer的个数可以有多个,它的数目直接决定GFS的规模。
  1. 云计算是在2006年8月,由(Google)公司首席执行官提出。
  • 解析:2006年8月9日,谷歌首席执行官埃里克·施密特在搜索引擎大会上首次提出云计算的概念,并说谷歌自1998年创办以来,就一直采用这种新型的计算方式。
  1. Megastore中共有三种副本,分别是完全副本、(见证者副本)和只读副本。
  • 解析:Megastore的基本架构,最底层的数据是存储在Bigtable中的。不同类型的副本存储不同的数据。在Megastore中共有三种副本,分别是完整副本(Full Replica)、见证者副本(Witness Replica)和只读副本(Read-only Replica)。
  1. 虚拟拟机的迁移过程中,以共享的方式共享数据和文件系统,而非真正迁移的是(存储设备的迁移
  • 解析:迁移存储设备的最大障碍在于需要占用大量时间和网络带宽,通常的解决办法是以共享的方式共享数据和文件系统,而非真正迁移。
  1. Dremel中的重复深度只考虑(可重复)类型的字段。
  • 解析:重复深度主要关注的是可重复类型,而定义深度同时关注可重复类型(repeated)和可选类型(optional)。
  1. WAS的存储域包括前端、分区层和(文件流层)三层结构
  • 解析:WAS存储域的层次结构:前端、分区层和文件流层
    • 前端:由一组无状态服务器构成来处理访问请求。一旦接收到一个请求,该层便会查找账户名,认证请求,再把请求路由到分区层的服务器。
    • 分区层。该层负责管理和理解上层数据抽象类型(Blob、表、队列和文件),提供一个可扩展的名空间,保证数据对象事务处理顺序和强一致性,在数据流层之上存储数据,缓存数据对象来减少磁盘I/O。
    • 文件流层:该层存储数据在硬盘上,负责在多个服务器间分布和复制数据来保持存储域中数据的可用性。
  1. 当虚拟机中的操作系统通过特权指令访问关键系统资源时,每条特权指令的执行都要产生(自陷),Hypervisior才能接管其请求。
  • 解析:为了使这种机制能够有效地运行,每条特权指令的执行都需要产生“自陷”,以便Hypervisor能够捕获该指令,从而使VMM能够模拟执行相应的指令
  1. SQLAzure数据库同步服务使用(轮辐式)模型,所有的变化首先被复制到SQLAzure数据库hub上,然后再传送到其他spoke上。
  • 解析:SQL Azure数据同步服务使用“轮辐式(hub-and-spoke)”模型,所有的变化将会首先被复制到SQL Azure数据库“hub”上,然后再传送到其他“spoke”上。

判断题

  1. Google的监控基础架构中,为了尽可能地减少开销,采用的方案是二次压缩(❎✅)
  • 解析:监控开销的大小直接决定Dapper的成败,为了尽可能地减小开销,进而将Dapper广泛部署在Google中,设计人员设计了一种非常巧妙的二次抽样方案。
  1. Bigtable中,客户端和服务器之间传输的是数据流(❎)
  • 解析:客户端与主服务器之间传输的是控制流;客户端与子表服务器之间的传输的是数据流
  1. Bigtable中,实际的数据都是以子表的形式保存在子表服务器中(✅)
  • 解析:Bigtable中实际的数据都是以子表的形式保存在子表服务器上的,客户一般也只和子表服务器进行通信
  1. Dynamo采用一致性哈希算法解决数据冲突的问题(❎)
  • 解析:在这里插入图片描述
  1. 虚拟机的迁移过程中,最有难度和挑战性的是CPU的迁移(❎)
  • 解析:内存的迁移是虚拟机迁移最困难的部分
  1. Google云计算系统采用的是完全的分布式和去中心化结构(✅)
  • 解析:为了保证其稳定性,Amazon的系统采用完全的分布式、去中心化的架构。其中,作为底层存储架构的Dynamo也同样采用了无中心的模式。
  1. Bigtable中的SSTable数量过多,将会显著影响写操作的速度(❎)
  • 解析:由于读操作要使用SSTable,数量过多的SSTable显然会影响读的速度
  1. Amazon限制用户在S3中创建桶的数量,但不限制每个桶中对象的数量(✅)
  • 解析:Amazon限制了每个用户创建桶的数量,但没有限制每个桶中对象的数量。
  1. 半虚拟化技术包括软件辅助虚拟化和硬件辅助虚拟化(❎)
  • 解析:半虚拟化技术是一种虚拟化技术,它要求操作系统知道自己是虚拟化的,并对操作系统内核进行修改以适应虚拟化环境。。典型的半虚拟化技术代表是Xen。软件辅助虚拟化和硬件辅助虚拟化是指全虚拟化技术(Full Virtualization)中的两种实现方式。
  1. Megastore三种读中,Current允许读的时候还有部分事务提交了但还未生效(❎)
  • 解析:在Megastore中共有三种副本,分别是完整副本(Full Replica)、见证者副本(Witness Replica)和只读副本(Read-only Replica)
    -完整副本,Bigtable中存储完整的日志和数据
    • 见证者副本:决议时参与投票,Bigtable只存储其日志而不存储具体数据。无法参与投票。作用只是读取到最近过去某一个时间点的一致性数据

简答题

  1. Windows Azure存储服务采用了双复制引警,请简要回答什么是域内复制,什么是域间复制,它们各有什么作用。
  • 解析:
    • 域内复制:WAS在文件流层实现同步复制,保证存储域内的所有数据在其内部是可靠的。
    • 域内复制的作用:域内复制专门为硬件失效而设计,保证WAS提供快速见状的存储响应
    • 域间复制:WAS系统在分区层实现跨存储域的异步复制。
    • 域间复制的作用:域间复制提供跨地域冗余来防止地域灾难,和位置服务结合起来,提供跨数据中心的数据处理。
  1. Google云计算中,大规模分布式系统的监控基础架构Dapper为了解决低开销及广泛可部署性的问题,采用了二次抽样技术。试简述二次抽样中,每次抽样的原理和作用。
  • 解析:
  1. 首次抽样:在数据收集阶段,Dapper首先对所有的请求进行初步抽样。这个抽样率通常设置得较低,例如1%或更少,只有一小部分请求会被记录和跟踪。
  2. 二次抽样:在首次抽样的基础上,Dapper进一步对已经抽样的数据进行再次抽样。抽样的目的是进一步减少数据量,同时保持数据的代表性。
  • 二次抽样的作用:降低开销、提高可部署性、确保分析结果的准确性和可靠性、
  1. 简述Magastore数据读取操作的五个步骤
  • 解析:
    在这里插入图片描述
  1. 本地查询:查询协调者判断实体组上数据是否已经最新
  2. 发现位置:确定最新日志位置,选择一个已生效的副本。采用本地读取(Local Read)或者多数派读取值
  3. 追赶:一旦某个副本被选中,就使其追赶到已知的最大日志位置处。
  4. 验证:如果本地副本被选中且数据不是最新,发送验证消息到协调者断定对能够反馈所有提交的写操作。无须等待回应,如果请求失败,下一个读操作会重试。
  5. 查询数据:在所选的副本中利用日志位置的时间戳读取数据。
  1. S3数字签名的实施过程图所示,试用文字简述该过程。
    在这里插入图片描述
  • 解析:
  1. S3用户首先发出服务请求,系统自动生成一个服务请求字符串。HMAC函数根据用户的服务请求字符串和Secret Access Key生成数字签名A,并将签名A和服务请求字符串传给S3服务器。
  2. 服务器接收到信息后,分离出用户的AccessKey ID,通过查询S3数据库得到用户的Secret Access Key。利用和上面相同的过程生成数字签名B,然后和数字签名A做比对,相同则通过验证,反之拒绝。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/32636.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

君子小人的格局、境界

子曰:君子怀德,小人怀土;君子怀刑,小人怀惠。 直译:君子怀念道德,小人怀念乡土;君子关心法度,小人关心恩惠。 这里的君子与小人只是体现格局、境界的不同; 君子怀的是德…

DVWA 靶场 SQL Injection (Blind) 通关解析

前言 DVWA代表Damn Vulnerable Web Application,是一个用于学习和练习Web应用程序漏洞的开源漏洞应用程序。它被设计成一个易于安装和配置的漏洞应用程序,旨在帮助安全专业人员和爱好者了解和熟悉不同类型的Web应用程序漏洞。 DVWA提供了一系列的漏洞场…

sklearn之各类朴素贝叶斯原理

sklearn之贝叶斯原理 前言1 高斯朴素贝叶斯1.1 对连续变量的处理1.2 高斯朴素贝叶斯算法原理 2 多项式朴素贝叶斯2.1 二项分布和多项分布2.2 详细原理2.3 如何判断是否符合多项式贝叶斯 3 伯努利朴素贝叶斯4 类别贝叶斯4 补充朴素贝叶斯4.1 核心原理4.2 算法流程 前言 如果想看…

天马学航——智慧教务系统(移动端)开发日志四

天马学航——智慧教务系统(移动端)开发日志四 日志摘要:优化了教师端界面的UI,更新了教师端添加课程,提交成绩等功能,修复了一些已知的BUG 1、教师添加课程设计 教师在此界面添加课程,并将数据提交后端进行审核 界…

WAAP的特性、功能以及优势

随着互联网技术的快速发展,Web应用程序和API已经成为企业日常运营中不可或缺的部分。然而,与此同时,网络攻击手段也愈发复杂和隐蔽,给企业的数据安全带来了严峻的挑战。为了应对这一挑战,WAAP(WebApplicati…

fastapi+vue3+primeflex前后端分离开发项目第一个程序

安装axios axios是用来请求后端接口的。 https://www.axios-http.cn/docs/intro pnpm 是一个前端的包管理工具,当我们需要给前端项目添加新的依赖的时候,就可以使用pnpm install 命令进行安装。 pnpm install axios安装 primeflex primeflex是一个cs…

知乎客户端跨平台-Hybrid-调试实战

在开发上述功能的过程中,发现了 flipper 这个工具 flipper 提供了一个桌面客户端,然后这个桌面客户端提供了一个和手机客户端通信的机制,免去了 socket 服务的开销,依靠这个通信机制,我们可以把上述的功能复制过来 基…

AI时代的音乐革命:创作更简单,灵魂在哪里?

#AI在创造还是毁掉音乐# 我是李涛,一名音乐创作者,最近一直在思考一个问题:AI到底是在创造音乐,还是在毁掉音乐? 几个月前,我第一次接触到AI音乐创作工具。它让我震惊,只需要输入几个关键词&a…

Apollo9.0 PNC源码学习之Planning模块(一)—— 规划概览

0 前言 规划本质就是搜索问题,数学角度来看就是寻找函数最优解 规划模块复杂的就是相关的逻辑处理和过程计算 对于规划的三维问题,目前解决方案:降维+迭代 将SLT问题分解为ST和SL二维优化问题:在一个维度优化之后,再另一个维度再进行优化,最后整合成三维的轨迹。 虽然降…

How to create a langchain doc from an str

问题背景: Ive searched all over langchain documentation on their official website but I didnt find how to create a langchain doc from a str variable in python so I searched in their GitHub code and I found this : 在 langchain 的官方文档中&#…

游戏工厂:AI(AIGC/ChatGPT)与流程式游戏开发

游戏工厂:AI(AIGC/ChatGPT)与流程式游戏开发 码客 卢益贵 ygluu 关键词:AI(AIGC、ChatGPT、文心一言)、流程式管理、好莱坞电影流程、电影工厂、游戏工厂、游戏开发流程、游戏架构、模块化开发 一、前言…

Vue76-路由对浏览器历史记录的影响

一、push模式 默认是push 二、replace模式 替换当前记录! (当前指针指向的那一条记录) 三、小结

完全禁用 Windows Defender

你有没有这样的情况,安装软件时,关闭了Windows实时保护,过几天,打开软件时,发现里面的附件被吞噬,因为Defender又自动打开了,那么,有没有一款可以完全禁用Defender的工具&#xff0c…

年薪50w+的项目经理,手把手教你如何复盘

复盘是一种重要的学习和改进工具,对于项目经理来说,能帮助识别项目中的成功与失败,为未来的项目管理提供宝贵经验。 理论部分 定义目标。在开始复盘之前,明确复盘的目标是什么。是为了找出项目中的问题并提出解决方案&#xff0c…

腾讯大牛,手把手教你建立自己的Android学习知识体系,附实例+面经+建议!

主要让我介绍了我的项目,又出了几个题让我做。 项目就是让我介绍我科研做的那个流式二维码数据传输系统,我介绍的时候面试官听的很仔细,让我详细介绍了拍到的二维码是如何定位、采样和识别转换成二进制流的。然后问我传输速率是多少&#xff…

stm32学习笔记---新建工程步骤和点灯演示

目录 STM32的三种开发方式 基于寄存器的方式 基于库函数的方式 基于Hal库的方式 固件库介绍 新建基于标准库的工程步骤 配置寄存器来完成点灯操作 添加库函数来完成点灯操作 添加库函数 开始点灯操作 第一步:使能时钟 第二步:配置端口模式 …

JVM专题六:JVM的内存模型

前面我们通过Java是如何编译、JVM的类加载机制、JVM类加载器与双亲委派机制等内容了解到了如何从我们编写的一个.Java 文件最终加载到JVM里的,今天我们就来剖析一下这个Java的‘中介平台’JVM里面到底长成啥样。 JVM的内存区域划分 Java虚拟机(JVM&…

使用 Ubuntu x86_64 平台交叉编译适用于 Linux aarch64(arm64) 平台的 QT5(包含OpenGL支持) 库

使用 Ubuntu AMD64 平台交叉编译适用于 Linux ARM64 平台的 QT5(包含 OpenGL/WebEngine 支持) 库 目录 使用 Ubuntu AMD64 平台交叉编译适用于 Linux ARM64 平台的 QT5(包含 OpenGL/WebEngine 支持) 库写在前面前期准备编译全流程1. 环境搭建2. 复制源码包并解压,创…

【Python机器学习】NMF——将NMF应用于人脸图像

将NMF应用于之前用过的Wild数据集中的Labeled Faces。NMF的主要参数是我们想要提取的分量个数。通常来说,这个数字要小于输入特征的个数(否则的话,将每个像素作为单独的分量就可以对数据进行解释)。 首先,观察分类个数…

细胞核的分割与分类模型·HoVer-Net|动手实操

小罗碎碎念 上一期推文已经介绍了hover net的背景和代码仓库情况,这一期则是根据作者提供的示例代码进行分析,详细你看完这一期推文,应该就能大致掌握这些套路了。如果觉得意犹未尽,那就等待下一期吧,哈哈。 一、编程…