union算子对源RDD和参数RDD求并集后返回一个新的RDD

union算子对源RDD和参数RDD求并集后返回一个新的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union函数会将两个RDD元素合并成一个并且去处重复元素。() 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
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
reduceByKey算子在一个（K，V）的RDD上调用，返回一个（K，V）的RDD，使用指定的reduce函数，将相同key的值聚合到一起
查看答案
以下属于spark启动后进程的是（）A、rdd是由一系列的partition组成的B、原子性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
RDD可以转化为DataFrames，但是DataFrames不能转化为RDD
查看答案
mapPartitions算子类似于map，但独立地在RDD的每一个分片上运行，因此在类型为T的RDD上运行时，func的函数类型必须是Iterator[T]=Iterator[U]
查看答案
count算子返回RDD的元素个数
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
map算子返回一个新的RDD，该RDD由每一个输入元素经过func函数转换后组成
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
join算子在类型为（K，V）和（K，W）的RDD上调用，返回一个相同key对应的所有元素对在一起的（K，（V，W））的RDD
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
以下选项中是persist算子在源码中具有哪些参数的是（）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
sortByKey算子在一个（K，V）的RDD上调用，K必须实现Ordered接口，返回一个按照key进行排序的（K，V）的RDD
查看答案
以下哪些是rdd的特性（）A、cache算子是persist算子的一个子集B、persist算子是cache算子的一个子集C、persist算子包含cache算子D、cache算子包含persist算子
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
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
distinct算子对源RDD进行去重后返回一个新的RDD
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
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
( 难度：中等)关于spark中RDD说法错误的是：A.宽依赖指的是多个子RDD的分区会依赖同一个父RDD的分区，关系是一对多B.窄依赖指的是每一个父RDD的分区最多被子RDD的一个分区使用，是一对一的C.宽依赖中会有shuffle的产生D.窄依赖中会有shuffle的产生
查看答案
热门标签