Crear
Descargar
Obtener Plan Académico
Compartir juego
Intégralo en tu plataforma

Puedes integrar el juego en un LMS compatible con LTI 1.1 o LTI 1.3 como Canvas, Moodle, o Blackboard. De esta manera podrás guardar las puntuaciones automáticamente en el libro de calificaciones de esa plataforma.
Descargar
Has superado el número máximo de juegos que puedes integrar en Google Classroom con tu Plan actual.

Para integrar tantos juegos como quieras en Google Classroom, necesitas un Plan Académico o un Plan Comercial.

Has superado el número máximo de juegos que puedes integrar en Microsoft Teams con tu Plan actual.

Para integrar tantos juegos como quieras en Microsoft Teams, necesitas un Plan Académico o un Plan Comercial.

La descarga de juegos es una característica exclusiva para usuarios con un Plan Académico o un Plan Comercial.

Obtén ahora tu Plan Académico o Comercial y comienza a integrar tus juegos en tu LMS, web o blog.

Si lo deseas, puedes descargar un juego de prueba aquí y probar su integración:

SPARK - LRBA 2

Test

(3)
Jugadas 35 %Acierto 84 Tiempo medio 08:58

Sobre esta actividad

Spark Core - Fundamentos y funcionalidades básicas

Creada por

México

Descarga la versión para jugar en papel

Crea tu propio juego gratis desde nuestro creador de juegos
Compite contra tus amigos para ver quien consigue la mejor puntuación en esta actividad

Top juegos

%
Anónimo
Anónimo
%
%
%
Has superado el número máximo de juegos que puedes imprimir con tu Plan actual.

Para imprimir tantos juegos como quieras, necesitas un Plan Académico o un Plan Comercial.

Imprime tu juego
SPARK - LRBA 2
 

SPARK - LRBA 2Versión en línea

Spark Core - Fundamentos y funcionalidades básicas

por 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.

¿Estás seguro que quieres abandonar la página?

Al abandonar la página perderás el progreso del juego.