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

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

相关考题：

以下哪种方法可以让Spark不自定义分区也能对任何类型RDD简单重分区()。 A.resetpartitionB.repartitonC.coalesceD.Partition
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
键值对RDD由一组组的键值对组成,这些RDD被称为PairRDD。() 此题为判断题(对，错)。
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
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
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
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
spark在进行数据切分的时候，决定了partition的哪些属性（）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
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
以下选项属于rdd特性的是（）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
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
Spark中，以下哪些是rdd的特性（）A、partition大小B、partition个数C、partiton的所有者D、parrtition的一切
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
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
RDD特性包含如下哪些？（）A、一组分片（Partition），即数据集的基本组成单位B、一个计算每个分区的函数C、RDD之间的依赖关系D、一个列表，存储存取每个Partition的优先位置（preferredlocation）
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
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
( 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