模块1：不定项选题 （100分，每题5分）
1. 关于数据及软件架构的CAP理论不包括下面哪些（ D ）
A. 可用性
B. 一致性
C. 分区容忍性
D. 分布性
2 下列关于spark中的RDD描述正确的有 （ ABCD ）
A. RDD（Resilient Distributed Dataset）叫做弹性分布式数据集，是spark中最基本的数据抽象
B. Resilient：表示弹性的，弹性表示
C. Destributed：分布式，可以并行在集群计算
D. Dataset：就是一个集合，用于存放数据的
3. 下列哪些是面向对象技术的特征（ ABC ）
A． 封装
B． 继承
C． 多态
D．分布性
4. 下列描述正确的是（ ABD ）
A． 进程(Process)是程序的一次执行过程
B． 线程(Thread) 是比进程更小的执行单位
C． 线程不可共享相同的内存单元
D．在同一个应用程序中可以有多个线程同时执行
5. 下面哪些是spark比Mapreduce计算快的原因（ ABC ）
A. 基于内存的计算
B. 基于DAG的调度框架
C. 基于Lineage的容错机制
D. 基于分布式计算的框架
6. 下面哪个操作是窄依赖？（ B ）
A. join
B. filter
C. group
D. sort
7.下面哪个操作肯定是宽依赖 ( C )
A. map
B. flatMap
C. reduceByKey
D. sample
8. 最早是Cloudera提供的日志收集系统，目前是Apache下的一个孵化项目，支持在日志系统中定制各类数据发送方，用于收集数据的工具是（ A ）
A. Flume
B. Zookeeper
C. Storm
D. Sparkstreaming
9.一个分布式应用程序协调服务，分布式应用程序可以基于它实现同步服务，配置维护和命名服务等的工具有 （ B ）
A. Flume
B. Zookeeper
C. Storm
D. Sparkstreaming
10. 作为分布式消息队列，既有非常优秀的吞吐量，又有较高的可靠性和扩展性，同时接受Spark Streaming的请求，将流量日志按序发送给Spark Streaming集群是 （ C ）
A. Flume
B. Zookeeper
C. Kafka
D. Sparkstreaming
11. Hadoop框架的缺陷有（ ABC ）
A． MR编程框架的限制
B． 过多的磁盘操作,缺乏对分布式内存的支持
C． 无法高效低支持迭代式计算
D．海量的数据存储
12. Hadoop组件的核心功能包括（ AD ）
A、分布式数据存储
B、分析
C、挖掘
D、分布式计算
13. DataFrame 和 RDD 最大的区别 ( B )
A.科学统计支持
B.多了 schema
C.存储方式不一样
D.外部数据源支持
14. spark中默认的存储级别 ( A )
A. MEMORY_ONLY
B. MEMORY_ONLY_SER
C. MEMORY_AND_DISK
D. MEMORY_AND_DISK_SER
15. Spark组成部件包括（ BC ）
A. Resource Manager
B. Executor
C. Driver
D. RDD
16. Spark RDD的依赖机制包括（ AD ）
A. 宽依赖
B. 深度依赖
C. 广度依赖
D. 窄依赖
17. RDD有哪些缺陷？ AD
A.不支持细粒度的写和更新操作（如网络爬虫）
B.基于内存的计算
C.拥有schema信息
D.不支持增量迭代计算
18. Spark应用的计算逻辑会被解析成DAG，这个解析操作由以下哪个功能模块完成（ CD ）
A. Client
B. ApplicationMaster
C. Executor
D. Driver
19. spark的部署模式有？ ABCD
A.本地模式
B.standalone 模式
C.spark on yarn 模式
D.mesos模式
20. 下面不是Spark 的四大组件的有（ BD ）
A. Spark Streaming
B. pyspark 为了用Spark支持Python，Apache Spark社区发布了一个工具PySpark
C. Graphx
D. Spark R SparkR是一个R语言包,它提供了轻量级的方式使得可以在R语言中使用Apache Spark
