Créer jeu
Télécharger
Téléchargement SCORM
A utiliser dans un LMS (Moodle, Blackboard...)
Téléchargement régulier
Pour être publié sur un site Web ou un blog.
Le téléchargement du jeu est une fonctionnalité exclusive pour les utilisateurs avec un Plan Académique ou un Plan Commercial.
Obtenez votre Plan Académique ou Plan Commercial dès maintenant et commencez à intégrer vos jeux dans votre LMS, votre site Web ou votre blog.
Obtenir Plan Académique
Si vous le souhaitez, vous pouvez télécharger une jeu de test ici et tester son intégration:
Partager le jeu
Test
Test

SPARK - LRBA 1

Intégrez-le à votre plateforme
G. Classroom M. Teams
Vous pouvez intégrer le jeu dans un LMS compatible avec LTI 1.1 ou LTI 1.3 comme Canvas, Moodle ou Blackboard. Les scores seront ainsi automatiquement enregistrés dans le carnet de notes de la plateforme.
Télécharger
Vous avez dépassé le nombre maximum de jeux que vous pouvez intégrer à Google Classroom avec votre Plan actuel.

Pour intégrer autant de jeux que vous le souhaitez dans Google Classroom, vous avez besoin d’un Plan Académique ou un Plan Commerciel.

Obtenir Plan Académique
Vous avez dépassé le nombre maximum de jeux que vous pouvez intégrer à Microsoft Teams avec votre Plan actuel.

Pour intégrer autant de jeux que vous le souhaitez dans Microsoft Teams, vous avez besoin d’un Plan Académique ou un Plan Commerciel.

Obtenir Plan Académique
Le téléchargement du jeu est une fonctionnalité exclusive pour les utilisateurs avec un Plan Académique ou un Plan Commercial.

Obtenez votre Plan Académique ou Plan Commercial dès maintenant et commencez à intégrer vos jeux dans votre LMS, votre site Web ou votre blog.

Si vous le souhaitez, vous pouvez télécharger une jeu de test ici et tester son intégration:

Obtenir Plan Académique

SPARK - LRBA 1

Test

(4)
Parties jouées 44 %Précision 70 Temps moyen 07:22
Créer une copie

À propos de cette activité

Introducción a Apache Spark

Créé par

HR Mexico
HR Mexico
Mexico

Téléchargez la version pour jouer sur papier

Créez votre propre jeu gratuite à partir de notre créateur de jeu
Affrontez vos amis pour voir qui obtient le meilleur score dans ce jeu
Créer un défi

Top Jeux

 %
Anonyme
Anonyme
 %
%
%
Vous avez dépassé le nombre maximum de jeux que vous pouvez imprimer avec votre Plan actuel.

Pour imprimer autant de jeux que vous le souhaitez, vous avez besoin d’un Plan Académique ou un Plan Commerciel.

Obtenir Plan Académique
Imprimez votre jeu
SPARK - LRBA 1
 

SPARK - LRBA 1Version en ligne

Introducción a Apache Spark

par HR Mexico
1

¿Cuál es la diferencia principal entre transformaciones y acciones en RDD?

2

En Spark, ¿qué optimizador maneja DataFrames/SQL?

3

¿Qué StorageLevel usa memoria y disco serializado?

4

En Structured Streaming, ¿qué maneja late data?

5

¿Cuál evita shuffle en groupByKey?

6

¿Feature de Spark 3.0+ para skew?

7

¿API unificada post-Spark 2.0?

8

En arquitectura, ¿coordina tasks?

9

¿Para joins pequeños en DataFrames?

10

¿Fault-tolerance vía?

11

¿Modo output para agregaciones streaming completas?

12

¿Tamaño ideal partición?

13

¿Wide dependency genera?

14

En Netflix, Spark reemplaza?

15

¿Off-heap memory?

16

¿Para ML pipelines?

17

¿Dynamic allocation requiere?

18

En Uber, Spark procesa?

19

¿Whole-stage codegen?

20

¿Cluster manager en cloud?

Explicación

Transformaciones construyen DAG lazy; acciones materializan cómputo.

Catalyst aplica rule/cost-based optimizaciones pre-ejecución.

MEMORY_AND_DISK_SER serializa para ahorrar memoria.

Watermark define threshold para dropear eventos tardíos.

reduceByKey combina localmente antes de shuffle.

Adaptive Query Execution ajusta runtime (skew handling).

Unifica batch/streaming/ML con optimizaciones.

Task Scheduler asigna tasks considerando locality.

Broadcast envía tabla a todos executors, evita shuffle.

Lineage permite recomputar particiones perdidas.

complete emite tabla completa por trigger.

Balancea overhead/paralelismo (Spark doc).

Wide requiere shuffle, divide stages.

10x speedup en ETL batch.

Tungsten usa off-heap para GC efficiency.

MLlib provee transformers/estimators distribuidos.

Escala executors dinámicamente.

Structured Streaming para movilidad real-time.

Fusiona stages en single function para velocidad.

Soporta YARN, Kubernetes para orquestación.

 
Voulez-vous vraiment quitter la page ?

En quittant la page, vous perdrez la progression du jeu.