下列关于常见的动作（Action）和转换（Transformation）操作的API解释错误的是

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

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

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

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

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

A.first()

B.reduce(func)

C.count()

D.take(n)

A.first()

B.reduce(func)

C.count()

D.take(n)

A.可操作一切结构化文档的API

B.专门操作HTML文档的简化版DOM API

C.简单

D.仅对常用的复杂的API进行了简化