Hadoop系统中YARN资源的抽象是用:（　　）表示。

MapReduce中，被分派到Map任务的Worker程序读取相关的输入分片，从输入分片中解析出（key，value）然后把（key，value）传递给用户自定义的（）。

MapReduce中，Master服务器负责将一个Map任务分派给（）。

MapReduce中，运行程序副本程序的机器分为（）和（）两类。

数据存储是大数据平台的根本，没有了存储平台，数据也就没有了载体。（）

数据采集与接入的范围包括一级部署业务系统、二级部署业务系统（含自建）和外部系统一手数据接入，满足大数据平台一手数据全的要求。（）

在Spark中引入RDD概念的目的是实现Spark的串行操作和灵活的容错能力。（）

Hadoop的MapReduce与Spark都可以进行数据计算，而相比于MapReduce，Spark的速度更快并且提供的功能更加丰富。（）

Spark本身并没有提供分布式文件系统，因此Spark的分析大多依赖于Hadoop的分布式文件系统HDFS。（）

RDD中所有的操作都是Lazy模式进行，运行在编译中不会立即计算最终结果，而是记住所有操作步骤和方法，只有显示遇到启动命令才执行。（）

Spark是以RDD概念为中心运行的。（）