Spark中的每个RDD一般情况下是由()个分区组成的。 A.无数B.多C.1D.0
Spark中的每个RDD一般情况下是由()个分区组成的。
A.无数
B.多
C.1
D.0
相关考题：
以下关于Spark的描述正确的是？A．克服MapReduce在迭代式计算和交互式计算方面的不足。B．Mlib是Spark的机器学习库。C．Spark streaming是一个真正的实时计算框架。D．RDD 算子分为 transformation 和 action，transformation 是得到一个新的RDD。
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)
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A．”Hadoop”,”Spark”,”Hive”,”Spark”B．”Hadoop”,”Spark”,”Hive”C．(”Hadoop”,1),(”Spark”,1),(”Hive”,1)D．("Spark",1)、("Hive",1)和("Spark",1)
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)
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)
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A．("Hadoop",1)、("Spark",1)、("Hive",1)和("Spark",1)B．1,1,1,1C．2,2,2,2D．("Spark",2)、("Hive",2)和("Spark",2)