题目内容
（请给出正确答案）
[单选题]
大数据计算服务（MaxCompute，原ODPS)的MapReduce提供了分布式的编程框架，以下（)大数据计算服务可以作为MR的输入和输出。
A.表
B.视图
C.资源
D.项目空间
提问人：网友陈银桑
发布时间：2022-01-07
如搜索结果不匹配，请 
A、Perl
B、C++
C、Python
D、Java
题目内容
（请给出正确答案）
您可能会需要：
安装简答题APP，拍照搜题省时又省心！
更多“大数据计算服务(MaxCompute，原ODPS)的MapR…”相关的问题
第1题
大数据计算服务(MaxCompute，原ODPS)提供了MapReduce编程接口，用户可以使用MapReduce提供的SDK编写程序处理大数据计算服务的中的数据。目前提供了()语言的SDK。
点击查看答案
第3题
在大数据计算服务(MaxCompute，原ODPS)的MapReduce中可以使用资源(Resource，包括jar包、压缩文件、表等)。在使用jar命令执行MR程序时，需要在参数resources中指定资源，以下说法正确的是：()。
点击查看答案
A、包括已上传到大数据计算服务的MR程序本身所在的jar包，以及MR程序用到的大数据计算服务上的资源
B、仅包含MR程序中用到的大数据计算服务上的资源
C、仅包含保存在本地的MR程序本身所在的jar包
D、仅包含已上传到大数据计算服务的MR程序本身所在的jar包
第4题
在大数据计算服务(MaxCompute，原ODPS)中，使用MapReduce开发一个分词程序，即输入为保存在表中的多篇文章(每篇文章一行纪录)，参考一个字典文件(该文件会经常更新)进行分词。简而言之，在执行该程序的时候，既需要输入待分词的文章(已经保存在表中了)，又需要输入字典(为经常变动的本地文件)，以下最合理的解决方案为：()。
点击查看答案
A、将这个字典与源代码一起进行打包，直接执行即可
B、每次都将字典文件作为资源上传到大数据计算服务上，然后MR中通过资源的方式来访问
C、将字典打包jar包，使用jar命令执行MR程序时，通过resources参数指定该jar包
D、将字典文件保存在本地，在MR中通过访问本地最新的字典文件实现
第5题
使用大数据计算服务(MaxCompute，原ODPS)的odpscmd客户端中的jar命令调用MapReduce时，需要指定两个参数：classpath和resources。比如以下命令执行了一个MapReduce程序，输入为表t_in，输出为表t_out：jar-resourcestest.jar-classpathtest.jartestt_int_out;其中，test.jar出现了两次，请判断以下说法正确的是：()。
点击查看答案
A、两次出现的意义相同
B、两个引用的test.jar都是保存在大数据计算服务上的资源
C、两个引用的test.jar都是保存在本地
D、classpath引用的是main函数，运行于本地，指定的jar包路径，即本地文件路径
第6题
大数据计算服务(MaxCompute，原ODPS)tunnel命令提供了丰富的参数，可以通过参数设置，对上传或者下载操作进行控制，现在有一个大文件要上传至Maxcompute某表中，想先检查一下该文件内容是否和表的定义匹配，并不实际上传，以免文件中有错误记录会导致上传出错。可以使用()参数实现这个功能。
点击查看答案
A、错误记录丢弃：-dbr
B、字段分隔符：-fd
C、扫瞄选项：-s
D、空字符串显示：-ni
第7题
大数据计算服务(MaxCompute，原ODPS)提供了完整的丰富的安全策略和授权策略，来保护我们的数据，在想下载数据到本地的时候，除了要有相应的权限之外，还要选择合适的下载方式。现在大数据计算服务的某表中有1000万行数据，需要把这些数据全部导出到本地。下面()是可行的方法。
点击查看答案
A、在客户端工具odpscmd中用select命令，把结果重定向到文件中
B、管理控制台中读出该表，下载数据
C、在命令行工具odpscmd中使用tunnel命令下载
D、找到该表在大数据计算服务上的保存路径，然后把该路径下的文件全部下载
第8题
资源(Resource)是大数据计算服务(MaxCompute，原ODPS)的特有概念。用户如果想使用MaxCompute的MapReduce或自定义函数(UDF)功能，需要依赖资源来完成。Dataworks中，可以通过数据开发面板的资源管理上传资源，目前支持的资源类型有：()。
点击查看答案
A、jar、file、archive
B、jar、file、python
C、jar、archive、python
D、file、archive、python
第9题
大数据计算服务(MaxCompute,原ODPS)的图计算引擎是分布式的,在加载数据时,系统默认()将数据分配到不同的Worker中。
A、根据边的权值进行hash并对Worker数取模
点击查看答案
B、完全随即分配
C、根据顶点ID的hash值对Worker数取模
D、按照点ID值排序，再平均分配给Worker
