1、Spark培訓試卷模塊1：不定項選題 （100分，每題5分）1.關于數據及軟件架構的CAP理論不包括下面哪些（ D ）A.可用性B.一致性C.分區容忍性D.分布性2下列關于spark中的RDD描述正確的有 （ ABCD ）A.RDD（Resilient Distributed Dataset）叫做彈性分布式數據集，是spark中最基本的數據抽象B.Resilient：表示彈性的，彈性表示C.Destributed：分布式，可以并行在集群計算D.Dataset：就是一個集合，用于存放數據的3. 下列哪些是面向對象技術的特征（ ABC ）A封裝B繼承C多態D分布性4. 下列描述正確的是（ ABD

2、）A進程(Process)是程序的一次執行過程B線程(Thread) 是比進程更小的執行單位C 線程不可共享相同的內存單元D在同一個應用程序中可以有多個線程同時執行5. 下面哪些是spark比Mapreduce計算快的原因（ ABC ）A.基于內存的計算B.基于DAG的調度框架C.基于Lineage的容錯機制D.基于分布式計算的框架6.下面哪個操作是窄依賴？（ B ）A.join B.filter C.group D.sort 7.下面哪個操作肯定是寬依賴 ( C )A. map B. flatMap C. reduceByKey D. sample8.最早是Cloudera提供的日志收集系統

3、，目前是Apache下的一個孵化項目，支持在日志系統中定制各類數據發送方，用于收集數據的工具是（ A ）A.FlumeB.ZookeeperC.StormD.Sparkstreaming9.一個分布式應用程序協調服務，分布式應用程序可以基于它實現同步服務，配置維護和命名服務等的工具有 （ B ）A.FlumeB.ZookeeperC.StormD.Sparkstreaming10.作為分布式消息隊列，既有非常優秀的吞吐量，又有較高的可靠性和擴展性，同時接受Spark Streaming的請求，將流量日志按序發送給Spark Streaming集群是 （ C ）A.FlumeB.Zookeepe

4、rC.KafkaD.Sparkstreaming11. Hadoop框架的缺陷有（ ABC ）AMR編程框架的限制B過多的磁盤操作,缺乏對分布式內存的支持C無法高效低支持迭代式計算D海量的數據存儲12. Hadoop組件的核心功能包括（ AD ）A、分布式數據存儲 B、分析 C、挖掘 D、分布式計算 13. DataFrame 和 RDD 最大的區別 ( B )A.科學統計支持B.多了 schema C.存儲方式不一樣 D.外部數據源支持14. spark中默認的存儲級別 ( A )A. MEMORY_ONLY B. MEMORY_ONLY_SERC. MEMORY_AND_DISK D. M

5、EMORY_AND_DISK_SER15. Spark組成部件包括（ BC ）A.Resource ManagerB.ExecutorC.DriverD.RDD16. Spark RDD的依賴機制包括（ AD ）A. 寬依賴B. 深度依賴C.廣度依賴D.窄依賴17.RDD有哪些缺陷？ ADA.不支持細粒度的寫和更新操作（如網絡爬蟲）B.基于內存的計算C.擁有schema信息D.不支持增量迭代計算18.Spark應用的計算邏輯會被解析成DAG，這個解析操作由以下哪個功能模塊完成（ CD ）A.ClientB.ApplicationMasterC.ExecutorD.Driver 19.spark的部署模式有？ ABCDA.本地模式B.standalone 模式C.spark on yarn 模式D.mesos模式20.下面不是Spark 的四大組件的有（ BD ）A. Spark Streaming B. pyspark 為了用Spark支持Python，Apache Spark社區發布了一個工具PySparkC. Graphx D. Spark RSparkR是一個R語言包,它提供了輕量級的方式使得可以在R語言中使用Apache SparkSpark 的四大組件有：Spark SQL、Spark Streaming、MLl