Spark

1. (单选题, 2分)在实际应用中，大数据处理不包括哪些类型？

• A. 基于实时数据流的数据处理
• B. 基于离线数据的处理
• C. 复杂的批量数据处理
• D. 基于历史数据的交互式查询

正确答案: B:基于离线数据的处理;

2. (单选题, 2分)下列关于Spark的描述，错误的是哪一项？

• A. Spark最初由美国加州伯克利大学（UCBerkeley）的AMP实验室于2009年开发
• B. Spark在2014年打破了Hadoop保持的基准排序纪录.
• C. Spark用十分之一的计算资源，获得了比Hadoop快3倍的速度
• D. Spark运行模式单一

正确答案: D:Spark运行模式单一;

3. (单选题, 2分)下列说法哪项有误？

• A. 相对于Spark来说，使用Hadoop进行迭代计算非常耗资源
• B. Spark将数据载入内存后，之后的迭代计算都可以直接使用内存中的中间结果作运算，避免了从磁盘中频繁读取数据
• C. Hadoop的设计遵循“一个软件栈满足不同应用场景”的理念
• D. Spark可以部署在资源管理器YARN之上，提供一站式的大数据解决方案

正确答案: C:Hadoop的设计遵循“一个软件栈满足不同应用场景”的理念;

4. (单选题, 2分)下列说法错误的是？

• A. RDD（Resillient Distributed Dataset）是运行在工作节点（WorkerNode）的一个进程，负责运行Task
• B. Application是用户编写的Spark应用程序
• C. 一个Job包含多个RDD及作用于相应RDD上的各种操作
• D. Directed Acyclic Graph反映RDD之间的依赖关

正确答案: A:RDD（Resillient Distributed Dataset）是运行在工作节点（WorkerNode）的一个进程，负责运行Task;

5. (单选题, 2分)下列关于RDD说法，描述有误的是？

• A. 一个RDD就是一个分布式对象集合，本质上是一个只读的分区记录集合
• B. 每个RDD可分成多个分区，每个分区就是一个数据集片段
• C. RDD是可以直接修改的
• D. RDD提供了一种高度受限的共享内存模型

正确答案: C:RDD是可以直接修改的;

6. (多选题, 2分)Apache软件基金会最重要的三大分布式计算系统开源项目

• A. Hadoop
• B. Spark
• C. Storm
• D. Hive

正确答案: ABC:Hadoop; Spark; Storm;

7. (多选题, 2分)Spark具有的主要特点包括：

• A. 运行模式多样
• B. 运行速度快
• C. 容易使用
• D. 通用性

正确答案: ABCD:运行模式多样; 运行速度快; 容易使用; 通用性;

8. (多选题, 2分)Scala的特性包括：

• A. Scala具备强大的并发性
• B. Scala语法复杂
• C. Scala兼容Java
• D. 运行速度快

正确答案: ACD:Scala具备强大的并发性; Scala兼容Java; 运行速度快;

9. (多选题, 2分)Spark最主要的优点是（）

• A. 计算模式只能是MapReduce
• B. Spark提供了内存计算
• C. 提供了单一数据集操作类型
• D. 基于DAG的任务调度执行机制

正确答案: BD:Spark提供了内存计算; 基于DAG的任务调度执行机制;

10. (多选题, 2分)Spark所采用Executor的优点包括：

• A. 利用多线程来执行具体的任务
• B. 多线程之间的数据共享
• C. 存储模块全部都只能在内存中完成
• D. Executor中有一个BlockManager存储模块，有效减少IO开销

正确答案: AD:利用多线程来执行具体的任务; Executor中有一个BlockManager存储模块，有效减少IO开销;