请在 下方输入 要搜索的题目：
推荐参考答案 (
由 搜题小帮手 官方老师解答 )
答案：
以下文字与答案无关
提示：有些试题内容 显示不完整,文字错误 或者 答案显示错误等问题，这是由于我们在扫描录入过程中 机器识别错误导致,人工逐条矫正总有遗漏，所以恳请 广大网友理解。
相关试题
- 1.在MySQL中，子查询与连接查询执行效率的比较说法正确的是（） 选项： A、不管任何时候子查询都比连接查询效率高 B、当子查询执行结果的行数较大，而主查询执行结果的行数较小时，连接查询比子查询效率高 C、当子查询执行结果的行数较大，而主查询执行结果的行数较小时，子查询执行效率较高；反之，则连接查询执行效率较高 D、以上都不对
- 2.DataFrame除了提供比RDD更丰富的算子以外，更重要的特点是提升Spark框架执行效率、减少数据读取时间以及优化执行计划。 （中） 选项： A:正确 B:错误
- 3.下面关于DataFrame的描述正确的是：选项： A:DataFrame的推出，让Spark具备了处理大规模结构化数据的能力; B:DataFrame比原有的RDD转化方式更加简单易用，而且获得了更高的计算性能; C:Spark能够轻松实现从MySQL到DataFrame的转化，并且支持SQL查询; D:DataFrame是一种以RDD为基础的分布式数据集，提供了详细的结构信息
- 4.DataFrame除了提供比RDD更丰富的算子以外,更重要的特点是提升Spark框架执行效率、减少数据读取时间以及优化执行计划。 对 错
- 5.下面关于DataFrame的描述正确的是：选项： A:DataFrame的推出，让Spark具备了处理大规模结构化数据的能力; B:DataFrame比原有的RDD转化方式更加简单易用，而且获得了更高的计算性能; C:Spark能够轻松实现从MySQL到DataFrame的转化，并且支持SQL查询; D:DataFrame是一种以RDD为基础的分布式数据集，提供了详细的结构信息
- 6. DataFrame除了提供比RDD更丰富的算子以外，更重要的特点是提升Spark框架执行效率、减少数据读取时间以及优化执行计划。 选项： A:正确 B:错误
- 7.DataFrame除了提供比RDD更丰富的算子以外，更重要的特点是提升Spark框架执行效率、减少数据读取时间以及优化执行计划。 ----------- 【判断题】 选项： A:正确 B:错误
- 8.关于DataFrame的优势，以下描述错误的是（） 选项： A:DataFrame提升了Spark框架的执行效率 B:DataFrame减少了数据读取时间 C:DataFrame可以优化执行计划 D:DataFrame可以完全替换RDD
- 9.44. 关于DataFrame的优势，以下描述错误的是（）。 选项： A: DataFrame提升了Spark框架的执行效率 B: DataFrame减少了数据读取时间 C: DataFrame可以优化执行计划 D: DataFrame可以完全替换RDD
- 10.在Spark中，RDD和DataFrame的最大区别是什么？（20分） 选项： A:RDD是不可变的，DataFrame是可变的 B:RDD是基于Java的，DataFrame是基于Python的 C:RDD是基于内存的，DataFrame是基于磁盘的 D:RDD是基于分布式文件系统的，DataFrame是基于关系型数据库的
- 11.在Spark中,调用RDD的()方法,可以将RDD转换为DataFrame对象 选项：A、show() B、map() C、toDF() D、printSchema()
- 12. 在Spark中，调⽤RDD的（）⽅法，可以将RDD转换为DataFrame对象。 选项： A:show() B:map() C:toDF() D:printSchema()
- 13.在Spark中，调用RDD的（）方法，可以将RDD转换为DataFrame对象。 (中) 选项：A、show()B、map()C、toDF()D、printSchema()
- 14.在Spark中，调用RDD的（）方法，可以将RDD转换为DataFrame对象。 A: show() B: map() C: toDF() D: printSchema()
- 15.在Spark中，调用RDD的（）方法，可以将RDD转换为DataFrame对象。 选项： A、show() B、map() C、toDF() D、printSchema()
- 16.Spark SQL使用的数据抽象并非是DataFrame,而是RDD。( )
- 17.关于数据查询的说法正确的是() 选项： A、数据查询效率与查询语句无关 B、大型数据查询语句条件中如需引用索引，不能对索引字段进行类型转换，否则会影响查询效率。 C、对表进行数据分区不能提高查询效率。 D、to_date
- 18.SparkSQL中,DataFrame和RDD的区别是什么? 选项： A、DataFrame是不可变数据结构,而RDD是可变数据结构。 B、DataFrame是基于RDD构建的,但提供了更高级别的API。 C、DataFrame和RDD都是基于DAG模型的。 D、DataFrame只能包含结构化数据,而RDD可以包含任何类型的数据。
- 19.下面关于Spark SQL的描述正确的是:( ) 选项： A、Spark SQL在Hive兼容层面仅依赖HiveQL解析和Hive元数据 B、 Spark SQL目前支持Scala、Java编程语言,暂时不支持Python语言 C、 Spark SQL执行计划生成和优化都由Catalyst(函数式关系查询优化框架)负责 D、 Spark SQL增加了DataFrame(即带有Schema信息的RDD),使用户可以在Spark SQL中执行SQL语句
- 20.在Spark中,RDD和DataFrame的区别是什么?
- 21.42. 关于SparkSQL,以下描述错误的是（）。 选项： A: SparkSQL使用的数据抽象并非是DataFrame，而是RDD B: 在Spark的早期版本中,DataFrame被称为SchemaRDD C: DataFrame是一种以RDD为基础的分布式数据集 D: DataFrame可以完成RDD的绝大多数功能
