Créer jeu
Télécharger
Obtenir Plan Académique
Partager le jeu
Intégrez-le à votre plateforme

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.

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.

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:

SPARK - LRBA 2

Test

(3)
Parties jouées 35 %Précision 84 Temps moyen 08:58

À propos de cette activité

Spark Core - Fundamentos y funcionalidades básicas

Créé par

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

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.

Imprimez votre jeu
SPARK - LRBA 2
 

SPARK - LRBA 2Version en ligne

Spark Core - Fundamentos y funcionalidades básicas

par HR Mexico
1

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

2

¿Qué mecanismo usa Spark Core para tolerancia a fallos en RDDs?

3

¿Qué persistencia es óptima para datasets grandes con memoria limitada?

4

¿Qué operación causa shuffle obligatoriamente?

5

¿Cuál es el particionador default para reduceByKey?

6

¿Para qué sirve broadcast variable?

7

¿Qué config optimiza shuffle spills?

8

Pregunta 8 ¿Qué es un narrow dependency?

9

¿Cuándo usar checkpoint sobre persist?

10

Qué serializador es default en Spark 3+?

11

¿Qué scheduler divide DAG en stages?

12

¿Cuál locality es prioritaria?

13

Para qué sirve spark.sql.shuffle.partitions?

14

Pregunta 14 Qué mitiga stragglers?

15

Cuál es ventaja de Tungsten?

16

En qué modo driver corre en executor?

17

Qué usa acumulador?

18

Qué reduce skew en groupByKey?

19

Qué habilita dynamicAllocation?

20

Dónde monitorear storage levels?

Explicación

Transformaciones construyen DAG lazy; acciones evalúan y retornan valores/scalars.

Lineage reconstruye particiones perdidas recomputando dependientes.

Spill a disco previene OOM, balancea velocidad y resiliencia.

reduceByKey es wide dependency, requiere exchange por key.

HashPartitioner usa hash(key) % numPartitions.

Evita envío repetido en tasks, eficiente <100MB.

Buffer mayor reduce I/O en spills intermedios.

Permite pipelining sin shuffle (e.g., map).

Trunca lineage costoso en fallos raros pero profundos.

Kryo ofrece compresión y velocidad 10x vs. Java.

Identifica shuffle boundaries como breakpoints.

Maximiza data reuse minimizando red.

Default 200; ajustar 2-3x cores totales.

Duplica tasks lentos si >75% peers terminan.

Evita JVM GC con columnar off-heap.

Cluster mode aísla driver en clúster.

Operaciones commutativas thread-safe.

key + "_" + random() balancea partitions.

Escala executors basado en demanda.

Muestra RDDs persistidos y memoria usada.

Voulez-vous vraiment quitter la page ?

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