阿里云大数据ACA及ACP复习题(541~550)

本文涉及的产品
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
全局流量管理 GTM,标准版 1个月
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
|
2天前
|
人工智能 Cloud Native 数据管理
媒体声音|重磅升级,阿里云发布首个“Data+AI”驱动的一站式多模数据平台
在2024云栖大会上,阿里云瑶池数据库发布了首个一站式多模数据管理平台DMS:OneMeta+OneOps。该平台由Data+AI驱动,兼容40余种数据源,实现跨云数据库、数据仓库、数据湖的统一数据治理,帮助用户高效提取和分析元数据,提升业务决策效率10倍。DMS已服务超10万企业客户,降低数据管理成本高达90%。
|
4天前
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景,随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码,发现使用的`nativeBooster.saveModel`方法不支持OSS路径,而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令,帮助用户顺利迁移模型存储路径。
|
2月前
|
人工智能 分布式计算 DataWorks
连续四年!阿里云领跑中国公有云大数据平台
近日,国际数据公司(IDC)发布《中国大数据平台市场份额,2023:数智融合时代的真正到来》报告——2023年中国大数据平台公有云服务市场规模达72.2亿元人民币,其中阿里巴巴市场份额保持领先,占比达40.2%,连续四年排名第一。
177 12
|
2月前
|
人工智能 Cloud Native 数据管理
重磅升级,阿里云发布首个“Data+AI”驱动的一站式多模数据平台
阿里云发布首个AI多模数据管理平台DMS,助力业务决策提效10倍
264 17
|
2月前
|
SQL 人工智能 大数据
阿里云牵头起草!首个大数据批流融合国家标准发布
近日,国家市场监督管理总局、国家标准化管理委员会正式发布大数据领域首个批流融合国家标准GB/T 44216-2024《信息技术 大数据 批流融合计算技术要求》,该标准由阿里云牵头起草,并将于2025年2月1日起正式实施。
78 7
|
2月前
|
SQL 人工智能 大数据
首个大数据批流融合国家标准正式发布,阿里云为牵头起草单位!
近日,国家市场监督管理总局、国家标准化管理委员会正式发布大数据领域首个批流融合国家标准 GB/T 44216-2024《信息技术 大数据 批流融合计算技术要求》,该标准由阿里云牵头起草,并将于2025年2月1日起正式实施。
|
2月前
|
存储 SQL 分布式计算
Java连接阿里云MaxCompute例
要使用Java连接阿里云MaxCompute数据库,首先需在项目中添加MaxCompute JDBC驱动依赖,推荐通过Maven管理。避免在代码中直接写入AccessKey,应使用环境变量或配置文件安全存储。示例代码展示了如何注册驱动、建立连接及执行SQL查询。建议使用RAM用户提升安全性,并根据需要配置时区和公网访问权限。具体步骤和注意事项请参考阿里云官方文档。
|
25天前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
3天前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
23 1
|
26天前
|
分布式计算 关系型数据库 MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
大数据-88 Spark 集群 案例学习 Spark Scala 案例 SuperWordCount 计算结果数据写入MySQL
45 3