A.count()：返回数据集中的元素个数
B.filter(func)：筛选出满足函数func的元素，并返回一个新的数据集
C.take(n)：返回数据集中的第n个元素
D.map(func)：将每个元素传递到函数func中，并将结果返回为一个新的数据集
如搜索结果不匹配，请 联系老师 获取答案
更多“下列关于常见的动作（Action）和转换（Transform…”相关的问题
第1题
A.count()：返回数据集中的元素个数
B.filter(func)：筛选出满足函数func的元素，并返回一个新的数据集
C.take(n)：返回数据集中的第n个元素
D.map(func)：将每个元素传递到函数func中，并将结果返回为一个新的数据集
第2题
A.count()：返回数据集中的元素个数
B.filter(func)：筛选出满足函数func的元素，并返回一个新的数据集
C.take(n)：返回数据集中的第n个元素
D.map(func)：将每个元素传递到函数func中，并将结果返回为一个新的数据集
第3题
A.Spark支持三种类型的部署方式：Standalone，Spark on Mesos，Spark on YARN
B.在选择Spark Streaming和Storm时，对实时性要求高（比如要求毫秒级响应）的企业更倾向于选择流计算框架Storm
C.RDD提供的转换接口既适用filter等粗粒度的转换，也适合某一数据项的细粒度转换
D.RDD采用惰性调用，遇到“转换(Transformation)”类型的操作时，只会记录RDD生成的轨迹，只有遇到“动作(Action)”类型的操作时才会触发真正的计算
第4题
A.Spark支持三种类型的部署方式：Standalone，Spark on Mesos，Spark on YARN
B.在选择Spark Streaming和Storm时，对实时性要求高（比如要求毫秒级响应）的企业更倾向于选择流计算框架Storm
C.RDD提供的转换接口既适用filter等粗粒度的转换，也适合某一数据项的细粒度转换
D.RDD采用惰性调用，遇到“转换(Transformation)”类型的操作时，只会记录RDD生成的轨迹，只有遇到“动作(Action)”类型的操作时才会触发真正的计算
第5题
A.Spark支持三种类型的部署方式：Standalone，Spark on Mesos，Spark on YARN
B.在选择Spark Streaming和Storm时，对实时性要求高（比如要求毫秒级响应）的企业更倾向于选择流计算框架Storm
C.RDD提供的转换接口既适用filter等粗粒度的转换，也适合某一数据项的细粒度转换
D.RDD采用惰性调用，遇到“转换(Transformation)”类型的操作时，只会记录RDD生成的轨迹，只有遇到“动作(Action)”类型的操作时才会触发真正的计算
为了保护您的账号安全，请在“赏学吧”公众号进行验证，点击“官网服务”-“账号验证”后输入验证码“”完成验证，验证成功后方可继续查看答案！
微信搜一搜
赏学吧
微信搜一搜
赏学吧
