阿里云大数据ACA及ACP复习题(491~500)

本文涉及的产品
全局流量管理 GTM,标准版 1个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云解析 DNS,旗舰版 1个月
简介: 本人备考阿里云大数据考试时自行收集准备的题库,纯手工整理的,因为是纯手工整理解析所以可能出现答案打错的情况,题库是能够覆盖到今年7月份,应该是目前最新的,发成文章希望大家能一起学习,不要花冤枉钱去买题库背了,也希望大家能够顺利通关ACA和ACP考试(自己整理解析也需要时间,可能有更新不及时的情况哈)

491.运维中心是日常运维的主要工具,可对已提交的工作流及其节点任务进行管理与维护,同时也可针对节点来添加监控报警,如下关于运维告警内容,描述正确的是?( B )
A:运维告警配置后无法修改
B:运维告警可配置短信告警
C:运维告警只可配置给程序责任人
D:运维告警只能对出错的调度进行告警

解析:预警规则可以根据需要修改;运维预警可以配置短信和钉钉;可以配置给项目空间的开发人员运维人员管理员等;可以设置时间报警策略、警示线策略,运行成功预警、未运行预警、失败预警等等。所以选择B。

492.分析师小王想要用时间序列分解法的乘法模型预测某商品的销量,当他在计算移动平约值M时,需要确定移动平均的步长L,至于聚合的粒度,他想都尝试一下,比如天、周、月等,对于不同的聚合粒度,以下哪个L的取值是错误的?( D )
A:如果需要对每天的销量进行预测,取L=365
B:如果需要对每周的销量进行预测,取L=52
C:如果需要对每季度的销量进行预测,取L=4
D:如果需要对每四周的销量进行预测,取L=12

解析:如果需要对每月的销量预测,取L=12,而每四周的销量预测应该取L值为13

493.交互式实时数据可视化应用来帮助业务人员发现并诊断业务问题,越来越成为大数据解决方案中不可或缺的一环。为了实现这些新的需求,可以使用以下哪个阿里云服务?( D )
A:大数据计算服务MaxCompute
B:数据工场DataWorks
C:云原生数据仓库(分析型数据库)AnalyticDB
D:DataV数据可视化

解析:1、大数据计算服务 提供计算引擎2、开发套件,有调度开发等功能3、分析型数据库,一般提供数据服务4、DataV数据可视化是实时大屏,实现实时可视化

494.阿里云大数据体系中,提供离线计算服务的是?( C )
A:Quick Bl数据可视化分析平台
B:云原生数据仓库(分析型数据库)AnalyticDB
C:大数据计算服务MaxCompute
D:数据工场DataWorks

解析:quickBI是数据分析可视化; AnalyticDB是分析性数据库,提供交互式查询功能等; Maxcompute是大数据计算服务,提供离线计算功能; Dataworks是开发套件

495.机器学习按照学习方式不同可以分为多种分类,以下哪些是机器学习的分类?( ABE )
A:监督学习
B:无监督学习
C:自动学习
D:迁移学习
E:半监督学习

解析:机器学习分类:有监督学习、无监督学习、和半监督学习; 自动学习:AutoML 可以看作是一个在给定数据和任务上学习和泛化能力非常强大的系统。 迁移学习:将某个领域或任务上学习到的知识或模式应用到不同但相关的领域或问题中

496.时间序列可以分解为长期趋势(Trend),季节变动(Seasonality),循环变动(Cycle)和不规则变动(Random),以下说法中正确的是( BD )。(正确2个)
A:长期趋势(Trend)是受价格因素作用而形成的,比如长期的打折一般会引起销量持续向上的长期趋势
B:季节变动(Seasonality)反映了现象在一年内随着季节的变化而发生的有规律的周期性变动
C:循环变动(Cycle)是受各种因素影响而形成的上下起伏不定的波动,有固定的周期
D:不规则变动(Random)是受各种偶然因素影响而形成的

解析:“长期趋势(Trend)是受价格因素作用而形成的,比如长期的打折一般会引起销量持续向上的长期趋势”中是受某种根本性因素作用,而不是价格因素 “循环变动(Cycle)是受各种因素影响而形成的上下起伏不定的波动,有固定的周期”中循环变动是没有固定的周期

497.MaxCompute中的表t_dml中仅包含一个字段ID,类型为string,以下SQL中肯定会报错的是( A )
A:Insert into table t_dml values('2')
B:insert overwrite table t_dml select 3.14 from dual;
C:create table t_dml_bak like t_dml
D:create table t_dml_bak as select*from t_dml

解析:maxcompte不支持insert values的语法

498.下列关于MaxComputeSQL说法正确的有(ABCD )
A:不支持事务(不支持Commit和Rollback)
B:不支持索引和主键约束。
C:不支持自增字段。
D:单表最多支持6万个分区。超过6万个分区会报错
E:不支持窗口函数

解析:MaxCompute SQL与标准SQL的基本区别:不支持事务(不支持Commit和Rollback,不推荐使用INSERT INTO)。不支持索引和主键约束。 部分字段不支持默认值或默认函数。 不支持自增字段。 单表最多支持6万个分区。超过6万个分区会报错。 一次查询输入的分区不能超过1万个,否则会报错。如果是2级分区且查询时只根据2级分区进行过滤,总的分区数大于1万也可能导致报错。 等等。

499.关于删除MaxCompute表或分区中的数据,以下语法正确的是( AC )?
A:insert overwrite table TableA select a,b,c.... from TableA where 1= 2;
B:delete from testtable where 1=1;
C:alter table testtable drop if exists partition (ds='20170520');
D:insert overwrite table TableA select a,b,c.... from TableA where 1= 1;

解析:对于非分区表:truncate table testtable;insert overwrite table TableA select a,b,c.... from TableA where 1= 2;对于分区表:insert overwrite table TableA partition (ds=20221231) select a,b,c.... from TableA where 1= 2;alter table testtable drop if exists partition (ds='20170520');

500.关于Maxcompute 的set操作使用正确的是( D )。
A:set ==<256>设置每个Map Worker的内存大小为256M
B:set :<256>设置每个Reduce Worker的内存大小256M
C:set 设置每个Map Worker的内存大小为256M
D:set odps.stage.mapper.split.size=256;调整每个Mapper读取数据的大小为256 MB。

解析:Maxcopmte的set命令格式为 set = 示例:--调整每个Mapper读取数据的大小为256 MB。 set odps.stage.mapper.split.size=256;

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&nbsp;
相关文章
|
26天前
|
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
105 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。
58 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。
102 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!
|
18天前
|
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
178 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?
662 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】
85 2