奧鵬南開20春學(xué)期1709、1803、1809、1903、1909、2003大數(shù)據(jù)開發(fā)技術(shù)二在線作業(yè)_2隨機

1、I.Spark 中 DataFrame 的（）方法是進行條件查詢【參考答案】：A2.Dstream 輸出操作中 print 方法在 Driver 中打印出 DStream 中數(shù)據(jù)的（）元素。A.第一個B.所有C.前10個D.前100個【參考答案】：C3.Scala 元組的值是通過將單個的值包含在（）中構(gòu)成的A.小括號B.中括號C.大括號D.尖括號【參考答案】：A4.當(dāng)需要將一個普通的 RDD ?；癁橐粋€ PairRDD 時可以使用（）函數(shù)來進行操作A.whereB.joinC.limitD.apply7.spark-submit配置項中（）表示 executor 使用的總核數(shù)A.-num-ex

2、ecutors NUM B.-executor-memory MEM C.-total-executor-cores NUMD.-executor-coures NUM【參考答案】：C8. GraphX 中（）方法可以釋放頂點緩存A.cache B.presist C.unpersistVertices D.edges.unpersist【參考答案】：C9. 以下哪個方法可以從外部存儲中創(chuàng)建RDD（）A.parallelize B.makeRDD C.textFile D.loadFile【參考答案】：C10.Scala 可以使用（）關(guān)鍵字實現(xiàn)單例模式A.object B.static C.p

3、rivate D.public【參考答案】：A11. 以下哪個不是 Scala 的數(shù)據(jù)類型（）A.transferB.changeC.map D.build5.以下哪個函數(shù)可以求兩個RD 皎集A.unionB.substractC.intersectionD.cartesian6.以下哪個函數(shù)可以求兩個RDD 集A.unionB.substractC.intersectionD.cartesianA.Int B.Short Int C.Long D.Any【參考答案】：B12. Mllib 中 metrics.precisionByThreshold 表示（）指標A.準確度B.召回率C.F值D

4、.ROCtt線【參考答案】：A13. 圖的結(jié)構(gòu)通常表示為：G（V,E）,其中，E 是圖 G 中（）A.頂點B.頂點的集合C.邊D.邊的集合【參考答案】：D14. 請問 RDD 勺（）操作用于將相同鍵的數(shù)據(jù)聚合A.join B.zip C.combineByKey D.collect【參考答案】：C15. Mllib 中 metrics.recallByThreshold 表示（）指標A.準確度B.召回率C.F值D.ROCtt線【參考答案】：B16. GraphX 中 EdgeRDD 悵承自（）A.EdgeRDD B.RDDEdge C.VertexRDDVD D.RDD（VertexId ,V

5、D）【參考答案】：B17. Dstream 輸出操作中（）方法將 DStream 中的內(nèi)容以文本的形式保存為文本文件A.print B.saveAsTextFiles C.saveAsObjectFiles D.saveAsHadoopFiles【參考答案】：B18. GraphX 中（）方法可以查詢頂點信息A.numVertices B.numEdges C.vertices D.edges【參考答案】：C19.Scala 通過（）來定義變景【參考答案】：A20.Mllib 中線性會館算法中的參數(shù) reParam 表示（）A.要運行的迭代次數(shù)B.梯度下降的步長C.是否給數(shù)據(jù)加十?dāng)_特征或者偏差

6、特征D.Lasso和ridge的正規(guī)化參數(shù)【參考答案】：D21.Scala 中（）方法返回 Map 所有的 valueA.key B.keys C.value D.values【參考答案】：D22.Scala 列表方法中返回所有元素，除了最后一個的方法是（）A.drop B.head C.filter D.init【參考答案】：D23.Spark Streming 中（）函數(shù)可以使用 func 將源 DStream 中的每個元素進行聚合操作，返回一個內(nèi)部所包含的RDDR 有一個元素的新DStreamA.union B.reduce C.join D.cogroup【參考答案】：B24.Pair

7、RDD 可以通過（）獲得僅包含鍵的RDDA.key B.keys C.value D.valuesA.valB.valC.defineD.def【參考答案】：B25.Scala 中（）方法返回 Map 所有的 keyA.key B.keys C.value D.values【參考答案】：B26.以下哪個是 Scala 的數(shù)據(jù)類型（）A.Any B.NULL C.Nothing D.AnyRef【參考答案】：ABCD27.以下算法中屬于分類算法的是（）A.KNN算法B.邏輯回歸C.隨機森林D.Kmeans【參考答案】：ABC28.Spark 的 RDD 寺久化操作有（）方式A.cache B.p

8、resist C.storage D.long【參考答案】：AB29.Spark Streaming 的特點有（）A.單極性B.可伸縮C.高吞吐量D.容錯能力強【參考答案】：BCD30.Spark Streaming 能夠和（）無縫集成A.Hadoop B.Spark SQL C.Mllib D.GraphX【參考答案】：BCD31.Scala 系統(tǒng)支持（）作為對象成員A.通用類B.內(nèi)部類C.抽象類D.復(fù)合類： ABCD32.Scala 中可以用（）方法來連接兩個或多個列表A.:B.#:C.List.:()D.List.concat()【參考答案】：ABCD33.Spark DataFrame

9、 中()方法可以返回一個ListA.collect B.take C.takeAsList D.collectAsList【參考答案】：ABCD34.Spark DataFrame 中（）方法可以返回一個Array 對象A.collect B.take C.takeAsList D.collectAsList【參考答案】：AB35.Spark 可以通過哪些外部存儲創(chuàng)建RDD（）A.文本文件B.目錄C.壓縮文件D.通配符匹配的文件【參考答案】：ABCD36.Spark 只有鍵值對類型的 RDDt 能設(shè)置分區(qū)方式T.對F.錯【參考答案】：T37.Scala 中列表是可變的T.對F.錯【參考答案】：

10、F38.RDD 的轉(zhuǎn)換操作是用于觸發(fā)轉(zhuǎn)換操作的操作，這個時候才會真正開 始進行計算。T.對F.錯【參考答案】：F39.Spark 取代 Hadoop 僅僅是取代 MapReduc 驅(qū)種計算框架，Spark 可 以取代 HDFS 馬T.對F.錯【參考答案】：F40.Spark 在同一個應(yīng)用中不能同時使用Spark SQL 和 MllibT.對F.錯【參考答案】：F41.val 如同 Java 里面的非 final 變景，可以在它的聲明周期中被多次 賦值。T.對F.錯【參考答案】：F42.Scala 配備了一種表現(xiàn)型的系統(tǒng)，它以靜態(tài)的方式進行抽象，以安 全和連貫的方式進行使用。T.對F.錯【參考答

11、案】：T43.RDD 的 mapPartitions 操作會導(dǎo)致 Partitions數(shù) H 的變化T.對F.錯【參考答案】：F44. RDD 的 flatMap 操作是將函數(shù)應(yīng)用于 RDD 之中的每一個元素，將返 回的迭代器（數(shù)組、列表等）中的所有元素構(gòu)成新的 RDD。T.對F.錯【參考答案】：T45. RDD 的 subtract 用于用于將前一個 RDD 中在后一個 RDD 出現(xiàn)的元素刪除T.對F.錯【參考答案】：T46. MLlib 中 StandardScaler 處理的對象是每一列，也就是每一維特征，將特征標準化為單位標準差或是0 均值，或是 0 均值單位標準差。T.對F.錯【參考答案】：T47. RDD 的 filter函數(shù)返回一個存儲符合過濾條件的所有元素的新RDDT.對