在Spark中引人RDD概念的目的是实现Spark的串行操作和灵活的容错能力。（）

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.RDD是不可变的

B.RDD支持两种类型的操作：转换(Transformation) 和动作(Actions)

C.RDD是Spark的核心概念

D.以上均正确

A.RDD

B.Spark Streaming

C.Spark SQL

D.Shark

A.RDD

B.Spark Streaming

C.Spark SQL

D.Shark

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.利用Flink创建生成

B.从HDFS输入创建

C.从外部数据库中读取

D.从父RDD转换得到新的RDD

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.RDD

B.Scheduler

C.Storage

D.Shuffle