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
- 1.关于Hadoop和Spark的相互关系，以下说法正确的是？? Hadoop和Spark可以相互协作Hadoop负责数据的存储和管理Spark负责数据的计算Spark要操作Hadoop中的数据，需要先启动HDFS
- 2.关于Hadoop和Spark的相互关系，以下说法正确的是？ 选项：Hadoop和Spark可以相互协作|Hadoop负责数据的存储和管理|Spark负责数据的计算|Spark要操作Hadoop中的数据，需要先启动HDFS
- 3.Spark与Hadoop在基于内存的运算中，说法正确的是（）。A．Spark的运算效率是Hadoop的10倍B．Spark的运算效率是Hadoop的100倍C．Hadoop的运算效率是Spark的100倍D．Hadoop的运算效率是Spark的10倍
- 4.Hadoop的MapReduce进行计算时，每次产生的中间结果都是存储在内存中；而Spark在计算时产生的中间结果存储在本地磁盘中。A．正确B．错误
- 5.相比于Hadoop MapReduce，Spark主要具有（ ）优点 选项： A、提供了分布式储存架构 B、Spark计算模式属于MapReduce，不局限于Map和Reduce操作，提供多种数据集操作类型，编程模型比Hadoop MapReduce灵活 C、Spark提供内存计算，可将中间结果放到内存中，对于迭代运算效率更高 D、Spark基于DAG的任务调度执行机制，要优于Hadoop MapReduce的迭代执行机制
-
6.Spark与Hadoop在基于内存的运算中,说法正确的是()。 选项： A:
Spark的运算效率是Hadoop的10倍
B:Spark的运算效率是Hadoop的100倍
C:Hadoop的运算效率是Spark的100倍
D:Hadoop的运算效率是Spark的10倍
- 7.Spark相对于Hadoop MapReduce，其优点在于（）选项： A:Spark对数据集可以执行的操作少于MapReduce; B:Spark执行时间与Hadoop相差无几; C:Spark提供了内存计算; D:Spark基于MapReduce的迭代执行机制
- 8.关于Spark的特性说法正确的是:选项： A:Scala是Spark的主要编程语言，但Spark还支持Java、Python、R作为编程语言; B:Spark提供了内存计算，可将中间结果放到内存中，对于迭代运算效率更高; C:Spark基于DAG的任务调度执行机制，要优于Hadoop MapReduce的迭代执行机制; D: Spark的计算模式也属于MapReduce，但编程模型比Hadoop MapReduce更灵活
- 9.关于Spark的特性说法正确的是A.Scala是Spark的主要编程语言，但Spark还支持Java、Python、R作为编程语言B.Spark提供了内存计算，可将中间结果放到内存中，对于迭代运算效率更高C.Spark基于DAG的任务调度执行机制，要优于Hadoop MapReduce的迭代执行机制D.Spark的计算模式也属于MapReduce，但编程模型比Hadoop MapReduce更灵活
- 10.关于Spark的特性说法不正确的是（ ）。 选项： A、Scala是Spark唯一支持的编程语言 B、Spark提供了内存计算，可将中间结果放到内存中，对于迭代运算效率更高 C、Spark的计算模式也属于MapReduce，但编程模型比Hadoop MapReduce更灵活 D、Spark基于DAG的任务调度执行机制，要优于Hadoop MapReduce的迭代执行机制
- 11.Spark与Hadoop在基于内存的运算中,说法正确的是()。（1.0分） 选项： A: Spark的运算效率是Hadoop的10倍 B: Spark的运算效率是Hadoop的100倍 C: Hadoop的运算效率是Spark的100倍 D: Hadoop的运算效率是Spark的10倍
- 12.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.keys操作得到的RDD中所包含的元素是 选项： A、”Hadoop”,”Spark”,”Hive”,”Spark” B、”Hadoop”,”Spark”,”Hive” C、(”Hadoop”,1),(”Spark”,1),(”Hive”,1) D、("Hadoop",1)、("Spark",1)、("Hive",1)和("Spark",1)
- 13.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.keys操作得到的RDD中所包含的元素是选项： A:”Hadoop”,”Spark”,”Hive”,”Spark”; B: ”Hadoop”,”Spark”,”Hive”; C:(”Hadoop”,1),(”Spark”,1),(”Hive”,1); D:("Hadoop",1)、("Spark",1)、("Hive",1)和("Spark",1)
- 14.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
- 15.下面描述正确的是：? Hadoop和Spark不能部署在同一个集群中Hadoop只包含了存储组件，不包含计算组件Spark是一个分布式计算框架，可以和Hadoop组合使用Spark和Hadoop是竞争关系，二者不能组合使用
- 16.Spark不仅拥有了Hadoop MapReduce的优点，主要是将Job中间输出结果保存在内存中。选项： A:正确; B:错误
- 17.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”,”Spark”,”fast” C、”Spark”,”is”,”fast” D、”Hadoop”,”is”,”good”,”Spark”,”is”,”fast”,”Spark”,”is”,”better”
- 18.Spark与Hadoop的区别（ ）？ 选项： A:Spark是基于内存计算框架，而Hadoop基于硬盘计算框架 B:Spark是基于硬盘计算框架，而Hadoop基于内存计算框架 C:Spark是一站式计算框架，而Hadoop只适合离线处理计算框架 D:Spark只适合离线处理计算框架，而Hadoop是一站式计算框架
- 19.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"
- 20.有一个键值对RDD，名称为pairRDD，它包含4个元素，分别是(“Hadoop”,1)、(“Spark”,1)、(“Hive”,1)和(“Spark”,1),则pairRDD.reduceByKey((a,b)=>a+b)执行结果得到的RDD，它里面包含的元素是选项： A:(“Hadoop”,2),(“Spark”,1),(“Hive”,1); B:(“Hadoop”,1),(“Spark”,2),(“Hive”,1); C:(“Hadoop”,2),(“Spark”,2),(“Hive”,2); D:(“Hadoop”,1),(“Spark”,2),(“Hive”,2)
