DataFrame不能够转换成Rdd

DataFrame不能够转换成Rdd

相关考题：

RDD的intersection方法用于求出两个RDD的共同元素。() 此题为判断题(对，错)。
查看答案
RDD的flatMap操作是将函数应用于RDD之中的每一个元素,将返回的迭代器数组、列表等中的所有元素构成新的RDD。() 此题为判断题(对，错)。
查看答案
SparkSQL可以通过()方法加载json文件为DataFrame。 A.readB.jsonC.getD.at
查看答案
SparkStreming中()函数可以通过对源DStream的每RDD应用RDD－to－RDD函数返回一个新的DStream,这可以用来在DStream做任意RDD操作。 A.transB.reduceC.joinD.cogroup
查看答案
请问RDD的()操作把RDD所有元素转换成数组并返回到Driver端。 A.zipB.joinC.combineByKeyD.collect
查看答案
GraphX中()是完整提供边的各种操作类。 A.VertexRDDB.RDD[VertexId,VD]C.RDD[Edge]D.EdgeRDD
查看答案
GraphX中()是存放着Edg对象的RDD。 A.VertexRDDB.RDD[VertexId,VD]C.RDD[Edge]D.EdgeRDD
查看答案
groupByKey算子在一个（K，V）的RDD上调用，返回一个（K，Iterator[V]）的RDD
查看答案
DataFrame也是一个分布式数据容器
查看答案
SparkSQL的应运而生，它是将SparkSQL转换成RDD，然后提交到集群执行，执行效率非常快
查看答案
RDD可以转化为DataFrames，但是DataFrames不能转化为RDD
查看答案
dataFrame和RDD其实是一回事，没有区别
查看答案
interSection算子对源RDD和参数RDD求交集后返回一个新的RDD
查看答案
union算子对源RDD和参数RDD求并集后返回一个新的RDD
查看答案
以下关于rdd的特性说法错误的是（）A、rdd是仅仅由一组partition够成的B、rdd之间都是独立的，没有依赖C、算子作用在partition上D、每个rdd都会提供一批最优的计算位置
查看答案
以下关于rdd的说法中，正确的是哪些（）A、rdd是由一系列partition够成的B、rdd之间都是独立的，没有依赖C、算子作用在partition上D、每个rdd都会提供一批最优的计算位置
查看答案
spring中关于bean的说法正确的是（）A、rdd是由一组partition够成的B、rdd之间都是独立的，没有依赖C、算子作用在partition上D、每个rdd都会提供一批最优的计算位置
查看答案
DStream是一系列连续的RDD来表示。每个RDD含有一段时间间隔内的数据
查看答案
与RDD类似，DataFrame也是一个分布式数据容器
查看答案
cogroup算子在类型为（K，V）和（K，W）的RDD上调用，返回一个（K，（Iterable，Iterable））类型的RDD
查看答案
DataFrame也支持嵌套数据类型（struct、array和map）
查看答案
filter算子返回一个新的RDD，该RDD由经过函数计算后返回值为true的输入元素组成
查看答案
DataFrame和RDD最大的区别是什么（）A、科学统计支持B、多了schemaC、存储方式不一样D、外部数据源支持
查看答案
distinct算子对源RDD进行去重后返回一个新的RDD
查看答案
以下哪些不属于rdd特性（）A、冗余性B、一致性C、rdd之间具有依赖性D、每个rdd都会提供一批最优的计算位置
查看答案
判断题RDD可以从Hadoop兼容的文件系统生成，生成之后可以通过调用RDD的算子对RDD的数据进行部分更新。A对B错
查看答案
多选题关于spark说法正确的是（）。A调用RDD的Transformation算子可以立即发起jobBNodeManager负责整个集群的资源统一调度和分配。CYarn-client适合测试，Yarn-cluster适合生产。DDataset具有RDD和DataFrame的优点，又避免它们的缺点。
查看答案
热门标签