阿里云大数据ACA及ACP复习题(541~550)

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云解析 DNS,旗舰版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
简介: 最近事务繁忙确实没有时间整理,题库的话也剩的不多了,最后再更新几期吧,主要是现在时间不太够,又得忙着备考ACE,后面准备整点ACE的选择题和实操题。

541.数据可视化DataV是阿里云一款数据可视化应用搭建工具,旨让更多的人看到数据可视化的魅力。下面选项关于数据可视化DataV,描述正确的是?(ABC)
A:使用可视化应用的方式来分析并展示庞杂数据的产品
B:帮助非专业的工程师通过图形化界面搭建专业水准可视化应用
C:自动适配大屏显示
D:DataV提供海量数据实时在线分析服务,支持拖拽式操作、提供了丰富的可视化效果,可以帮助您轻松自如地完成数据分析、业务数据探查、报表制作等工作

解析:使用可视化应用的方式来分析并展示庞杂数据的产品。
帮助非专业的工程师通过图形化界面搭建专业水准可视化应用。
自动适配大屏显示。

542.MaxCompute表支持生命周期管理,即表中的数据从最后一次更新时间算起,在经过指定的时间后没有变动,则此表将被MaxCompute自动回收。以下说法中正确的是( A )。
A:对于某非分区表,一旦其lifecycle值指定的时间段内未更新, 则该表将被自动删除
B:建表时可以指定lifecycle,其单位为小时,其取值必须为正整数
C:可以给不同的表或者不同的分区指定不同的生命周期lifecycle值
D:对于某分区表,一旦其lifecycle值指定的时间段内未有任何分区数据发生过更新,则该表将被自动删除

解析:MaxCompute表生命周期管理对于某非分区表,一旦其lifecycle值指定的时间段内未更新, 则该表将被自动删除

543.DataWorks中,运维中心的“任务管理视图”以( B )的方式显示调度任务之间的依赖关系和运行约束。
A:平衡树
B:DAG图
C:双向列表
D:二叉树

解析:运维中心的“任务管理视图”以DAG图(有向无环图)的方式显示调度​任务之间的依赖关系和运行约束。

544.数据工场DataWorks (原DatalDE) 中,可以通过配置报警规则来监控周期调度任务的运行,以便及时告警,如监控到任务失败就告警。目前数据工场DataWorks (原DatalDE) 支持的告警方式有( ABC )
A:邮件
B:短信
C:电话
D:旺旺

解析:根据官方文档 https://help.aliyun.com/document_detail/429592.html 支持的报警方式有邮件、短信、电话、钉钉群消息

545.在分析型数据库中,下面关于多值列描述正确的是( ABC )
A:可以存入String类型的多个值,分隔符默认为半角逗号,也可以建表时进行配置
B:可使用in,contains条件对该列的单个值进行查询
C:枚举查询后该列的每个值可像一个普通列一样进行各类操作,但是不允许在没有进行枚举查询时对该列直接select或在group by中使用该列
D:多值列在使用的时候没有任何约束

解析:多值列的GROUP BY一定要带WHERE条件,否则引擎底层需要遍历所有的value(默认只遍历1024个value)

546.DataWorks中,一个任务可以依赖于另外的任务。即在被依赖任务(前置任务)未完成前,此任务不能运行。对于任务依赖,说法正确的是( A )。
A:最少依赖一个
B:最多依赖一个任务
C:最多依赖六个任务
D:没有限制

解析:dataworks任务最少一个依赖,即无任何实际依赖时,需要使用空间父节点作为依赖,否则无法提交上线

547.大数据计算服务MaxCompute是一种完全托管的数据仓库解决方案,可提供了完善的数据导入方案以及多种经典的分布式计算模型,能够更快速的解决海量数据计算问题,有效降低企业成本,井保障数据安全。关于MaxCompute的如下描述中错误的是?( B )
A:MaxCompute提供针对TB/PB级别的数据处理能力
B:MaxCompute提供实时要求极高的分布式处理能力
C:MaxCompute可对数据进行数据传输、数据转换等相关操作,从不同的数据存储引入数据,对数据进行转化处理,最后将数据提取到其他数据系统
D:DataWorks提供统一友好的调度系统和可视化调度运维界面

解析:MaxCompute致力于批量处理结构化数据的存储和计算,应用于离线计算场景,对分布式处理能力的实时性并无较高的要求。

548.有时候出于分析的需要,分析师会对预测模型中的某个字段进行归一化,待需要预测时再将模型预测出的归一化的字段进行还原。以下哪个公式可以实现逆归一化( A )。(X为还原后的数据,Y为归一化的数据)
A:X=Y (Max-Min)+Min
B:X=Y
(Max-Min)-Min
C:X=Y(Max-Min)+Max
D:X=Y
(Max-Min)-Max

解析:如果max和min分别表示某区间的最大、小值,那么该式的意思就是:x与最小值之间的距离占区间长度的几分之几(即y),这是归一化的原理,此选项为公式变形,归一化公式为(X-MIN)/(MAX-MIN)=Y

549.MaxCompute作为大数据存储、计算的服务,被广泛应用到了企业场景中。以下适合使用MaxCompute的有( ABC )。
A:搜集、分析用户行为数据,为用户细分建模
B:构建企业级的数据仓库,对企业历史数据进行加工处理
C:保存、处理海量日志数据,并结合机器学习PAI对日志进行建模分析
D:处理企业历史数据,并生成分析结果,提供终端用户进行即席查询
E:作为业务办理系统的后台数据存储工具,响应高并发的用户请求

解析:MaxCompute作为大数据存储、计算的服务支持历史数据搜集汇聚以及建模分析; 支持结合机器学习实现分析; 适合企业级数仓搭建; Maxcompute不支持即席查询功能,也不是高并发响应的载体

550.Tom是MaxCompute中某个项目空间prj1的管理员。该项目空间有很多敏感数据,比如用户身份号码和薪资记录,还有很多自主知识产权的数据挖掘算法。Tom希望能将项目空间中的这些敏感数据和算法保护好,项目中用户只能在项目空间中访问,数据只能在项目空间内流动,他应该怎么操作?( D )
A:使用ACL授权将所有用户设置为只读
B:使用Policy授权将所有用户设置为只读
C:允许对象创建者访问对象
D:开启项目空间的数据保护机制

解析:根据题意只能在项目空间内部流转,那么就只能通过开通项目空间保护机制完成,ACL授权、Policy授权等同样可以查询到数据;

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
机器学习/深度学习 人工智能 分布式计算
我的阿里云社区年度总结报告:Python、人工智能与大数据领域的探索之旅
我的阿里云社区年度总结报告:Python、人工智能与大数据领域的探索之旅
118 35
|
2月前
|
存储 人工智能 数据管理
|
1月前
|
存储 人工智能 数据管理
媒体声音|专访阿里云数据库周文超博士:AI就绪的智能数据平台设计思路
在生成式AI的浪潮中,数据的重要性日益凸显。大模型在实际业务场景的落地过程中,必须有海量数据的支撑:经过训练、推理和分析等一系列复杂的数据处理过程,才能最终产生业务价值。事实上,大模型本身就是数据处理后的产物,以数据驱动的决策与创新需要通过更智能的平台解决数据多模处理、实时分析等问题,这正是以阿里云为代表的企业推动 “Data+AI”融合战略的核心动因。
|
2月前
|
机器学习/深度学习 分布式计算 数据挖掘
MaxFrame 性能评测:阿里云MaxCompute上的分布式Pandas引擎
MaxFrame是一款兼容Pandas API的分布式数据分析工具,基于MaxCompute平台,极大提升了大规模数据处理效率。其核心优势在于结合了Pandas的易用性和MaxCompute的分布式计算能力,无需学习新编程模型即可处理海量数据。性能测试显示,在涉及`groupby`和`merge`等复杂操作时,MaxFrame相比本地Pandas有显著性能提升,最高可达9倍。适用于大规模数据分析、数据清洗、预处理及机器学习特征工程等场景。尽管存在网络延迟和资源消耗等问题,MaxFrame仍是处理TB级甚至PB级数据的理想选择。
70 4
|
2月前
|
SQL DataWorks 数据可视化
阿里云DataWorks评测:大数据开发治理平台的卓越表现
阿里云DataWorks是一款集数据集成、开发、分析与管理于一体的大数据平台,支持多种数据源无缝整合,提供可视化ETL工具和灵活的任务调度机制。其内置的安全体系和丰富的插件生态,确保了数据处理的高效性和安全性。通过实际测试,DataWorks展现了强大的计算能力和稳定性,适用于中小企业快速搭建稳定高效的BI系统。未来,DataWorks将继续优化功能,降低使用门槛,并推出更多灵活的定价方案,助力企业实现数据价值最大化。
|
2月前
|
分布式计算 大数据 数据处理
技术评测:MaxCompute MaxFrame——阿里云自研分布式计算框架的Python编程接口
随着大数据和人工智能技术的发展,数据处理的需求日益增长。阿里云推出的MaxCompute MaxFrame(简称“MaxFrame”)是一个专为Python开发者设计的分布式计算框架,它不仅支持Python编程接口,还能直接利用MaxCompute的云原生大数据计算资源和服务。本文将通过一系列最佳实践测评,探讨MaxFrame在分布式Pandas处理以及大语言模型数据处理场景中的表现,并分析其在实际工作中的应用潜力。
120 2
|
2月前
|
SQL 存储 分布式计算
阿里云 Paimon + MaxCompute 极速体验
Paimon 和 MaxCompute 的对接经历了长期优化,解决了以往性能不足的问题。通过半年紧密合作,双方团队专门提升了 Paimon 在 MaxCompute 上的读写性能。主要改进包括:采用 Arrow 接口减少数据转换开销,内置 Paimon SDK 提升启动速度,实现原生读写能力,减少中间拷贝与转换,显著降低 CPU 开销与延迟。经过双十一实战验证,Paimon 表的读写速度已接近 MaxCompute 内表,远超传统外表。欢迎体验!
|
1月前
|
SQL 数据可视化 大数据
从数据小白到大数据达人:一步步成为数据分析专家
从数据小白到大数据达人:一步步成为数据分析专家
219 92
|
3月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
774 7
|
3月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
102 2