大数据平台核心技术 学堂在线 雨课堂 第五讲作业答案 人文交流月

用MergeJOIN的方式在分布式系统上完成2TB“订单表”和100K的省份表在省份ID上的连接，改成IO量（包括跨网络读写和本地外排开销），大约是多少？ ( )

聚合一般需要分成两个阶段进行，第一个阶段中增加Hash-semi aggregate有机会很大的减少两个阶段间的shuffle数据量。计算每个买家订单数量，SELECT Buyer, COUNT(*) FROM Orders GROUP BY Buyer;，如果平均每个买家有三条订单，那么上述优化在最好的情况下shuffle数据量会是未优化前的多少？（ ）

HashJoin的使用场景是有限制的，它不能支持所有类型的连接，它的限制包括：（ ）

下面的SQL哪些有可能经过两个阶段（只经过一次shuffle）就计算出结果：（ ）

在集群计算的过程中，如果发现集群带宽已经打满，但是CPU平均负载30%，下面哪些措施可能会有帮助？（ ）