Spark中的RDD的说法正确的是（)。

A.宽依赖指的是多个子RDD的分区会依赖同一个父RDD的分区，关系是一对多

B.窄依赖指的是每一个父RDD的分区最多被子RDD的一个分区使用，是一对一的

C.宽依赖中会有shuffle的产生

D.窄依赖中会有shuffle的产生

A.宽依赖开销更大

B.RDD的容错机制是基于Spark Streaming的容错机制

C.Checkpoint可以节约大量的系统资源

D.在容错机制中，如果一个节点死机了，而且运算窄依赖，则只要把丢失的父RDD分区重算即可，依赖于其他节点

A.一个Application由若干个Job组成

B.一个Job由若干个Stage组成

C.一个Stage由若干个Task组成

D.RDD中的数据可修改

A.spark中的partion是弹性分布式数据集RDD的最小单元

B.同一份数据（RDD）的partion大小不一，数量不定，是根据application里的算子和最初读入的数据分块数量决定的

C.RDD是由分布在各个节点上的partion组成的

D.partion是指的spark在计算过程中，生成的数据在计算空间内最小单元

A.无数

B.多

C.1

D.0

A.RDD具有血统机制(Lineage)

B.RDD默认存储在磁盘

C.RDD是一个只读的,可分区的分布式数据集

D.RDD是Spark对基础数据的抽象

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

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