题目内容
（请给出正确答案）
[填空题]
Map Reduce中，不需要将这R个输出文件合并成一个文件，主要原因在于在实际应用中这些文件往往作为（）或者在处理多个分制文件的分布式应用中继续使用。
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
更多“Map Reduce中，不需要将这R个输出文件合并成一个文件…”相关的问题
A.Map/Reduce把待处理的数据集分割成许多大的数据块
B.大数据块经Map()函数并行处理后输出新的中间结果
C.reduce()函数把多任务处理后的中间结果进行汇总
D.reduce阶段的作用接受来自输出列表的迭代器
A.支持计算在内存中进行，中间结果不落地
B.支持Map后连续任意多个Reduce操作
C.可以在上一次的reduce结束之后，直接增加一次map
D.从Map直接到Reduce，省去Shuffle阶段
关于Hadoop Map Reduce，以下描述中正确的是（）。
A.reduce（）函数的输入是value集
B.reduce（）函数将最终结果写到HDFS系统中
C.用户可以自己定义reduce（）函数
D.reduce（）函数的输入数据是经过map（）函数处理之后的数据
A.合并value值，形成较小集合
B.采用迭代器将中间值提供给reduce函数
C.map（）函数处理后结果才会传输给reduce（）
D.内存中不会存储大量的value值
A.600600
B.3000600
C.3000300
D.300300
Apache Spark是专为大规模数据处理而设计的快速通用的计算引擎，将Job中间输出结果可以保存在（）中，从而不再需要读写HDFS。因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的Map Reduce的算法。
