Spark采用RDD以后能够实现高效计算的原因主要在于？
A. 高效的容错性
B. 中间结果持久化到内存，数据在内存中的多个
C. 存放的数据可以是Java对象，避免了不必要的对象序列化和反序列化
D. 采用数据复制实现容错
查看答案
相关试题
换一换
Spark采用RDD以后能够实现高效计算的原因主要在于？
A.高效的容错性 B.中间结果持久化到内存，数据在内存中的多个 C.存放的数据可以是Java对象，避免了不必要的对象序列化和反序列化 D.采用数据复制实现容错
答案
Spark的RDD的转换不会触发Spark计算操作（）
A.对 B.错
答案
Spark RDD是惰性求值的，如果需要对一个RDD多次使用，那么调用行动操作时每次都需要重复计算RDD以及它的依赖。()
A.正确 B.错误
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
答案
Spark可以通过哪些外部存储创建RDD()
A.文本文件 B.目录 C.压缩文件 D.通配符匹配的文件
答案
Spark的RDD持久化操作有()方式
A.cache B.presist C.storage D.long
答案
spark中以下哪些特性是rdd的特性（）
A.计算移动 B.数据不移动 C.数据移动 D.计算不移动
答案
Spark中的RDD的说法正确的是()。
A.弹性分布式数据集 B.是Spark中最基本的数据抽象 C.代表一个可变的集合 D.代表的集合里面的元素可并行计算
答案
spark中的rdd不存储数据，存储的是（）
A.业务逻辑 B.物理数据 C.数据库数据 D.物理逻辑
答案
rdd是spark中个哪个架构提出的概念（）
A.spark core B.spark streaming C.mlbase D.Grophx
答案
热门试题
spark中的rdd是一个（）数据集
关于Spark中RDD的描述不准确的是？（）
spark中的rdd相当于java中的（）概念
Spark只有键值对类型的RDD才能设置分区方式。()
关于Spark中RDD的描述不正确的是？（）
spark架构中的rdd相当于java中的（）概念
Spark Streming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。
如果numPartitions是分区个数，那么Spark每个RDD的分区ID范围是()。
Spark作业的每个阶段被Spark环境分解为多个任务，任务并行运行在分布于中的RDD上（）
spark生态圈没有能够实时计算的框架
Spark可以实现哪些形式的分布式计算（）
Spark中的每个RDD一般情况下是由()个分区组成的。
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()
以下选项组合后能够执行spark程序的是，换句话说spark程序计算结果必须包含哪几个算子（）
DataFrame不能够转换成Rdd
Rdd不能够转换成DataFrame
Spark Streaming能够和()无缝集成
RDD（ResilientDistributedDataset）叫做分布式数据集，是Spark中最基本的数据抽象，它代表一个不可变、可分区、里面的元素可并行计算的集合
与HadoopMapReduce计算框架相比，Spark所采用的Executor具有哪些优点？
全球能源互联网能够突破时空约束，使清洁能源实现高效利用，主要表现在（）
使用微信扫一扫登录
