大数据分布并行处理试题及答案.docx

大数据分布并行处理试题及答案

RDD是Spark提供的核心抽象，全称为Resillient Distributed Dataset，只能通过文件创建。 [判断题]

对

错(正确答案)

spark中的map和flatmap算子的区别是flatmap可以返回多条元素 [判断题]

对(正确答案)

错

下面哪个算子容易导致driver端内存溢出？ [单选题]

map

count

collect(正确答案)

take

哪一种持久化策略表示只存储到内存，并且不序列化。 [单选题]

MEMORY_ONLY(正确答案)

cache()

MEMORY_AND_DISK

MEMORY_ONLY_SER

spark中的广播变量可以保证每个Executor内部只保存1份变量数据。 [判断题]

对

错(正确答案)

spark中在划分Stage的时候，遇到窄依赖就会划分出前后两个Stage。 [判断题]

对

错(正确答案)

spark中的持久化，只是将数据保存在内存中或者本地磁盘文件中，RDD的lineage(血缘关系)是不变的。 [判断题]

对(正确答案)

错

HBase属于基于键值对类型的NoSQL数据库。 [判断题]

对(正确答案)

错

针对HBase的应用场景的介绍，错误的是： [单选题]

适合半结构和非结构数据

适合存储记录稀疏的数据

适合存储多版本数据

适合海量数据分析(正确答案)

HBase中不支持数字和字符串数据类型。 [判断题]

对(正确答案)

错

HBase中，每一行数据中的Rowkey字段不是必须的，可以为null。 [判断题]

对

错(正确答案)

HBase中在建表的时候，列族必须指定，并且后期无法修改。 [判断题]

对

错(正确答案)

HBase中，针对具有多个历史版本数据的字段，会按照时间戳正序排序。 [判断题]

对

错(正确答案)