请在 下方输入 要搜索的题目：
推荐参考答案 (
由 搜题小帮手 官方老师解答 )
答案：
以下文字与答案无关
提示：有些试题内容 显示不完整,文字错误 或者 答案显示错误等问题，这是由于我们在扫描录入过程中 机器识别错误导致,人工逐条矫正总有遗漏，所以恳请 广大网友理解。
相关试题
- x 1)操作得到的RDD中所包含的元素是? ;("Hadoop",1)、("Spark",1)、("Hive",1)和("Spark",1)("Hadoop",2)、("Spark",2)、("Hive",2)和("Spark",2)2,2,2,21,1,1,1">1.有一个键值对RDD，名称为pairRDD，包含4个元素，分别是("Hadoop",1)、("Spark",1)、("Hive",1)和("Spark",1)，则pairRDD.mapValues(x => x 1)操作得到的RDD中所包含的元素是? ;("Hadoop",1)、("Spark",1)、("Hive",1)和("Spark",1)("Hadoop",2)、("Spark",2)、("Hive",2)和("Spark",2)2,2,2,21,1,1,1
- x+1)操作得到的RDD中所包含的元素是（ ） 。选项： A:("Hadoop",1)、("Spark",1)、("Hive",1)和("Spark",1) B:2,2,2,2 C:("Hadoop",2)、("Spark",2)、("Hive",2)和("Spark",2) D:1,1,1，1">2.有一个键值对 RDD，名称为pairRDD，包含4个元素，分别是("Hadoop",1)、("Spark",1)、("Hive",1)和("Spark",1)，则pairRDD. mapValues(x => x+1)操作得到的RDD中所包含的元素是（ ） 。选项： A:("Hadoop",1)、("Spark",1)、("Hive",1)和("Spark",1) B:2,2,2,2 C:("Hadoop",2)、("Spark",2)、("Hive",2)和("Spark",2) D:1,1,1，1
- 3.pairRDD1 = sc. parallelize([("spark",1),("spark",2),("hadoop",3),("hadoop",5)]) pairRDD2 = sc.parallelize([("spark","fast")]) pairRDD1.join(pairRDD2) 上述语句执行以后,pairRDD1这个RDD中所包含的元素是 选项： A、(“spark”,(3,”fast”)), (“spark”,(5,”fast”)) B、(“spark”,(1,”fast”)), (“spark”,(2,”fast”)) C、(“hadoop”,(3,”fast”)), (“hadoop”,(5,”fast”)) D、(“hadoop”,(2,”fast”)), (“hadoop”,(1,”fast”))
- 4.-29 假设有一个RDD的名称为words，包含9个元素，分别是：(”Hadoop”,1),(”is”,1),(”good”,1),(”Spark”,1),(”is”,1),(”fast”,1),(”Spark”,1),(”is”,1),(”better”,1)。则语句words.groupByKey()的执行结果得到的新的RDD中，所包含的元素是 选项： A:(”good”,1),(”Spark”,1),(”is”,1),(”fast”,1) B:(”good”,(1,1)),(”Spark”,(1,1,1)),(”is”,1),(”fast”,1) C:(”Hadoop”,1),(”is”,1),(”good”,1),(”Spark”,1),(”is”,1) D:(”Hadoop”,1),(”is”,(1,1,1)),(”good”,1),(”Spark”,(1,1)),(”fast”,1),(”better”,1)
- 5.假设有一个RDD的名称为words，包含9个元素，分别是：(”Hadoop”,1),(”is”,1),(”good”,1),(”Spark”,1),(”is”,1),(”fast”,1),(”Spark”,1),(”is”,1),(”better”,1)。则语句words.groupByKey()的执行结果得到的新的RDD中，所包含的元素是( ) 选项： A:(”good”,1),(”Spark”,1),(”is”,1),(”fast”,1) B:(”Hadoop”,1),(”is”,1),(”good”,1),(”Spark”,1),(”is”,1) C:(”Hadoop”,1),(”is”,(1,1,1)),(”good”,1),(”Spark”,(1,1)),(”fast”,1),(”better”,1) D:(”good”,(1,1)),(”Spark”,(1,1,1)),(”is”,1),(”fast”,1)
- 6.假设有一个RDD的名称为words，包含9个元素，分别是：("Hadoop",1),("is",1),("gOod",1),("Spark",1),("is",1),("fast",1),("Spark",1),("is",1),("better",1)。则语句words.grOupByKey()的执行结果得到的新RDD中，所包含的元素是 选项： A: ("good",1),( "Spark",2),( "is",3),( "fast",1), ( "better",1) B: ("good",(1,1)),( "Spark",(1,1,1)),( "is",1),( "fast",1) C: ("Hadoop",1),( "is",1),( "good",1),( "Spark",1),( "is",1) , ( "better",1) D: ("Hadoop",1),( "is",(1,1,1)),( "good",1),( "Spark",(1,1)),("fast",1),( "better",1)
- 7.假设有一个RDD的名称为words，包含9个元素，分别是：("Hadoop",1),("is",1),("good",1),("Spark",1),("is",1),("fast",1),("Spark",1),("is",1),("better",1)。则语句words.groupByKey()的执行结果得到的新RDD中，所包含的元素是 。 选项： A:("good",1),( "Spark",2),( "is",3),( "fast",1), ( "better",1) B:("good",(1,1)),( "Spark",(1,1,1)),( "is",1),( "fast",1) C:("Hadoop",1),( "is",1),( "good",1),( "Spark",1),( "is",1) , ( "better",1) D:("Hadoop",1),( "is",(1,1,1)),( "good",1),( "Spark",(1,1)),("fast",1),( "better",1)
- 8.假设有一个RDD的名称为words，包含9个元素，分别是：(”Hadoop”,1),(”is”,1),(”good”,1),(”Spark”,1),(”is”,1),(”fast”,1),(”Spark”,1),(”is”,1),(”better”,1)。则语句words.groupByKey()的执行结果得到的新的RDD中，所包含的元素是选项： A:(”Hadoop”,1),(”is”,(1,1,1)),(”good”,1),(”Spark”,(1,1)),(”fast”,1),(”better”,1); B:(”good”,1),(”Spark”,1),(”is”,1),(”fast”,1); C:(”good”,(1,1)),(”Spark”,(1,1,1)),(”is”,1),(”fast”,1); D: (”Hadoop”,1),(”is”,1),(”good”,1),(”Spark”,1),(”is”,1)
- 9.假设有一个RDD的名称为words，包含9个元素，分别是：（”Hadoop”,1),（”is”,1),（”good”,1),（”Spark”,1),（”is”,1),（”fast”,1),（”Spark”,1),（”is”,1),（”better”,1)。则语句words.groupByKey（)的执行结果得到的新的RDD中，所包含的元素是 选项：A．(”Hadoop”,1),(”is”,(1,1,1)),(”good”,1),(”Spark”,(1,1)),(”fast”,1),(”better”,1)B．(”good”,1),(”Spark”,1),(”is”,1),(”fast”,1)C．(”good”,(1,1)),(”Spark”,(1,1,1)),(”is”,1),(”fast”,1)D．(”Hadoop”,1),(”is”,1),(”good”,1),(”Spark”,1),(”is”,1)
- 10.假设有一个RDD的名称为words，包含9个元素，分别是：("Hadoop",1),("is",1),("good",1),("Spark",1),("is",1),("faSt",1),("Spark",1),("is",1),("better",1)。则语句words.groupByKey()的执行结果得到的新RDD中，所包含的元素是A ("good",1),( "Spark",2),( "is",3),( "fast",1), ( "better",1)B ("good",(1,1)),( "Spark",(1,1,1)),( "is",1),( "fast",1)C ("Hadoop",1),( "is",1),( "good",1),( "Spark",1),( "is",1) , ( "better",1)D ("Hadoop",1),( "is",(1,1,1)),( "good",1),( "Spark",(1,1)),("fast",1),( "better",1)
- 11.假设有一个RDD的名称为words，包含9个元素，分别是：(”Hadoop”,1),(”is”,1),(”good”,1),(”Spark”,1),(”is”,1),(”fast”,1),(”Spark”,1),(”is”,1),(”better”,1)。则语句words.groupByKey()的执行结果得到的新的RDD中，所包含的元素是 A: (”Hadoop”,1),(”is”,(1,1,1)),(”good”,1),(”Spark”,(1,1)),(”fast”,1),(”better”,1) B: (”good”,1),(”Spark”,1),(”is”,1),(”fast”,1) C: (”good”,(1,1)),(”Spark”,(1,1,1)),(”is”,1),(”fast”,1) D: (”Hadoop”,1),(”is”,1),(”good”,1),(”Spark”,1),(”is”,1)
- 12.假设有一个RDD的名称为words，包含9个元素，分别是：(”Hadoop”,1),(”is”,1),(”good”,1),(”Spark”,1),(”is”,1),(”fast”,1),(”Spark”,1),(”is”,1),(”better”,1)。则语句words.groupByKey()的执行结果得到的新的RDD中，所包含的元素是（）
- 13.在下面的定义中，sc是SparkContext对象，则pairRDD1.take(1)(0)._2的值是______________________。 val pairRDD1 = sc.parallelize(Array(("spark",1),("spark",2),("hadoop",3),("hadoop",5)))
- 14.单选(2分)Val array=Array(“Hadoop is good”,”Spark is fast”,”Spark is better”)Val lines=sc.papallelize(array)Val words=lines.flatMap(line=>line.split(“ ”))上述语句执行以后，words中的元素是 选项： A:“Hadoop is good”,”Spark is fast”,”Spark is better” B:”Hadoop”,”is”,”good”,”Spark”,”is”,”fast”,”Spark”,”is”,”better” C:”Spark”,”is”,”fast” D:”Hadoop”,”Spark”,”fast”
- 15.现有以下语句：Val array=Array("Hadoop is good","Spark is fast","Spark is better");Val lines=sc.papallelize(array)Val words=lines.flatMap(line=>line.split(""))上述语句执行以后，words中的元素是( ） 选项： A:"Hadoop","is","good","Spark","is","fast","Spark","is","better" B:"Spark","is","fast" C:"Hadoop","Spark","fast" D:"Hadoop is good","Spark is fast", "Spark is better"
- 16.以下对Spark SQL的描述正确的有？ 选项： A、Spark SQL可以将SQL转换为RDD的算子执行 B、Spark SQL可以直接查询 Hive 中的数据 C、Spark SQL的性能上和Hive类似。 D、Spark SQL不能兼容Hive
- 17.下面描述正确的是（）。 选项： A: Hadoop和Spark不能部署在同一个集群中 B: Hadoop只包含了存储组件，不包含计算组件 C: Spark和Hadoop是竞争关系，二者不能组合使用 D: Spark是一个分布式计算框架，可以和Hadoop组合使用
