22秋学期（高起本1709-1803、全层次1809-2103）《大数据开发技术（二）》在线作业-00003
试卷总分:100 得分:100
一、单选题 (共 25 道试题,共 50 分)
1.以下算法中属于聚类算法的是（）
A.KNN算法
B.逻辑回归
C.随机森林
D.Kmeans
2.Spark GraphX中类Graph的reverse方法可以（）
A.反转图中所有边的方向
B.按照设定条件取出子图
C.取两个图的公共顶点和边作为新图，并保持前一个图顶点与边的属性
D.合并边相同的属性
3.GraphX中（）是提供顶点的各种操作方法的对象
A.RDD[Edge]
B.EdgeRDD
C.RDD[(VertexId,VD)]
D.VertexRDD
4.Spark Streming中DStream的每个RDD都是由（）分割开来的数据集
A.分区
B.一小段时间
C.数据量
D.随机
5.请问RDD的（）操作作用于K-V类型的RDD上，返回指定K的所有V值
A.search
B.find
C.findByKey
D.lookup
6.GraphX中（）方法可以查询边信息
A.numVertices
B.numEdges
C.vertices
D.edges
7.Scala源代码被编译成（）字节码，所以它可以运行于JVM之上
A.Spark
B.Scala
C.Java
D.JDK
8.Scala中重写一个非抽象方法必须使用（）修饰符。
A.extends
B.override
C.extend
D.overrides
9.Graph类中如果要直接通过边数据文件创建图，要求数据按空格分隔，应该用（）方法
A.Graph(vertices,edges, defaultVertexAttr)
B.Graph.fromEdges(RDD[Edge[ED]], defaultValue)
C.Graph.fromEdgeTuples(rawEdges: RDD[(VertexId, VertexId)], defaultValue,)
D.GraphLoader.edgeListFile(sc,filename)
10.Scala列表方法中通过给定的方法将所有元素重新计算的方法是（）
A.filter
B.foreach
C.map
D.mkString
11.Mllib中线性会馆算法中的参数stepSize表示（）
A.要运行的迭代次数
B.梯度下降的步长
C.是否给数据加干扰特征或者偏差特征
D.Lasso 和ridge 的正规化参数
12.Scala列表方法中丢弃前n个元素，并返回新列表的方法是（）
A.drop
B.head
C.filter
D.init
13.以下算法中属于无监督学习算法的是（）
A.KNN算法
B.逻辑回归
C.随机森林
D.Kmeans
14.var a=10; do{ a+=1; }while(a<20) 共循环了（）次
A.9
B.10
C.11
D.12
15.Scala中如果函数无返回值，则函数返回类型为（）
A.NULL
B.Void奥鹏作业答案请进open5.net或请联系QQ/微信：18866732
C.Nothing
D.Unit
16.var a=10; while(a<20){ a+=1; } 共循环了（）次
A.9
B.10
C.11
D.12
17.递归函数意味着函数可以调用它（）
A.其他函数
B.主函数
C.子函数
D.自身
18.Scala函数组合器可以接收一个可以处理嵌套列表的函数，然后把返回结果连接起来的方法是（）
A.map
B.foreach
C.flatten
D.flatmap
19.Spark中DataFrame的（）方法是进行排序查询
A.order by
B.group by
C.select by
D.sort by
20.Spark Streming中（）函数可以对统计DStream中每个RDD包含的元素的个数，得到一个新的DStream
A.count
B.union
C.length
D.reduce
21.Spark Streming中（）函数可以对源DStream中的每一个元素应用func方法进行计算，如果func函数返回结果为true，则保留该元素，否则丢弃该元素，返回一个新的Dstream
A.map
B.flatMap
C.filter
D.union
22.（）是AMPLab发布的一个R开发包，使得R摆脱单机运行的命运，可以作为Spark的Job运行在集群上
A.SparkR
B.BlinkDB
C.GraphX
D.Mllib
23.Graph类中如果根据边数据创建图，数据需要转换成RDD[Edge[ED]类型，应该用（）方法
A.Graph(vertices,edges, defaultVertexAttr)
B.Graph.fromEdges(RDD[Edge[ED]], defaultValue)
C.Graph.fromEdgeTuples(rawEdges: RDD[(VertexId, VertexId)], defaultValue,)
D.GraphLoader.edgeListFile(sc,filename)
24.Scala函数组合器可以过滤移除使得传入的函数的返回值为false的元素的方法是（）
A.filter
B.flatten
C.grouby
D.flatmap
25.以下哪个函数可以求两个RDD交集 （）
A.union
B.substract
C.intersection
D.cartesian
二、多选题 (共 10 道试题,共 20 分)
26.Spark Streaming能够处理来自（）的数据
A.Kafka
B.Flume
C.Twitter
D.ZeroMQ
27.Scala系统支持（）作为对象成员
A.通用类
B.内部类
C.抽象类
D.复合类
28.Scala中可以用（）方法来连接两个或多个列表
A.::
B.#:::
C.List.:::()
D.List.concat()
29.Scala中构造列表的两个基本单位是 （）
A.Nil
B.Nill
C.::
D.List
30.Spark创建DataFrame对象方式有（）
A.结构化数据文件
B.外部数据库
C.RDD
D.Hive中的表
31.Spark的RDD持久化操作有()方式
A.cache
B.presist
C.storage
D.long
32.TF-IDF中TF指的是（）
A.词频
B.词在文档中出现的次数
C.逆文档概率
D.词在文档集中出现的概率
E.词在文档集中出现的概率
33.MapReudce不适合（）任务
A.大数据计算
B.迭代
C.交互式
D.离线分析
34.Spark支持的文件格式包括（）
A.文本文件
B.JSON
C.CSV
D.SequenceFile
35.Spark Streaming的特点有（）
A.单极性
B.可伸缩
C.高吞吐量
D.容错能力强
三、判断题 (共 15 道试题,共 30 分)
36.RDD的sortBy排序默认是升序
37.RDD的flatMap操作是将函数应用于RDD 之中的每一个元素，将返回的迭代器(数组、列表等)中的所有元素构成新的RDD 。
38.Scala中Map的isEmpty函数在Map为空时返回false
39.Spark中DataFrame 的查询操作也是一个懒操作， 仅仅生成一个查询计划， 只有触发Action 操作才会进行计算并返回查询结果。
40.RDD中的collect 函数是一个行动操作，把RDD 所有元素转换成数组并返回到Driver 端，适用于大数据处理后的返回。
41.RDD是一个可读写的数据结构
42.RDD中zip操作要求两个RDD的partition数量以及元素数量都相同
43.RDD中join操作最后只返回两个RDD 都存在的键的连接结果。
44.Spark取代Hadoop仅仅是取代MapReduce这种计算框架，Spark可以取代HDFS吗
45.SparkContext类中makeRDD方法不可将单机数据创建为分布式RDD
46.Scala是Scalable Language的简写，是一门多范式的编程语言，设计初衷是不包括面向对象编程的特性。
47.PairRDD中groupBy（func）func返回key，传入的RDD的各个元素根据这个key进行分组。
48.PairRDD中mapValues是针对键值对（Key，Value）类型的数据中的key和Value进行Map操作
49.MLlib由一些通用的学习算法和工具组成，包括分类、回归、聚类、协同过滤、降维等，同时还包括底层的优化原语和高层的管道API。
50.RDD的转换操作是用于触发转换操作的操作，这个时候才会真正开始进行计算。
转载请注明：奥鹏作业之家 » 【奥鹏】南开22秋学期《大数据开发技术（二）》在线作业