解析:

 1）准备linux环境，设置集群搭建账号和⽤⼾组，设置ssh，关闭防⽕墙，关闭seLinux，配置host，hostname
 
2）配置jdk到环境变量
 
3）搭建hadoop集群，如果要做master ha，需要搭建zookeeper集群
 
   修改hdfs-site.xml,hadoop_env.sh,yarn-site.xml,slaves等配置⽂件
 
4）启动hadoop集群，启动前要格式化namenode
 
5）配置spark集群，修改spark-env.xml，slaves等配置⽂件，拷⻉hadoop相关配置到spark conf⽬录下
 
6)启动spark集群。 

解析:

 RDD和它依赖的parent RDD(s)的关系有两种不同的类型，即窄依赖（narrow dependency）和宽依赖（wide dependency）。
 
1）窄依赖指的是每⼀个parent RDD的Partition最多被⼦RDD的⼀个Partition使⽤
 
2）宽依赖指的是多个⼦RDD的Partition会依赖同⼀个parent RDD的Partition 

解析:

 ⽅法⼀：spark-submit –jars
 
根据spark官⽹，在提交任务的时候指定–jars，⽤逗号分开。这样做的缺点是每次都要指定jar包，如果jar包少的话可以这么做，但是如果多的话会很⿇烦。
 
命令：spark-submit --master yarn-client --jars ***.jar,***.jar
 
⽅法⼆：extraClassPath
 
提交时在spark-default中设定参数，将所有需要的jar包考到⼀个⽂件⾥，然后在参数中指定该⽬录就可以了，较上⼀个⽅便很多：
 
spark.executor.extraClassPath=/home/hadoop/wzq_workspace/lib/* spark.driver.extraClassPath=/home/hadoop/wzq_workspace/lib/*
 
www.aboutyun.com/thread-24246-1-1.html 6/57
2019/4/24 spark相关的⾯试题跟答案，带着问题学习效果更佳哟。?）-⾯试区-about云开发
需要注意的是,你要在所有可能运⾏spark任务的机器上保证该⽬录存在，并且将jar包考到所有机器上。这样做的好处是提交代码的时候不⽤再写⼀⻓串jar了，缺
点是要把所有的jar包都拷⼀遍。 

解析:

 答：1）cache和persist都是⽤于将⼀个RDD进⾏缓存的，这样在之后使⽤的过程中就不需要重新计算了，可以⼤⼤节省程序运⾏时间；2） cache只有⼀个默认
的缓存级别MEMORY_ONLY ，cache调⽤了persist，⽽persist可以根据情况设置其它的缓存级别；3）executor执⾏的时候，默认60%做cache，40%做task操
作，persist最根本的函数，最底层的函数
 
 
⼆、选择题 

解析:

 答：cache可以接其他算⼦，但是接了算⼦之后，起不到缓存应有的效果，因为会重新触发cache。
 
cache不是action操作