34. 如果要运行一个 Spark Streaming 程序，就需要首先生成一个            ，它是 Spark Streaming 程序的主入口。

//等效于“           ”

//          时括号不能省略，等效于“                      ”

7. 当函数的每个参数在函数字面量内仅出现一次，可以省略“=>”并用下划线“_”作为参数的占位符来        函数字面量的表示，第一个下划线代表第一个参数，第二个下划线代表 第二个参数，依此类推。

val array = Array(1,3,10,5,4)

for(i<- array){

breakable{

if(i>5) break

println(i)

}

} //上面的 for 语句将输出 

7. 以下代码的输出结果：

import util.control.Breaks._ //导入 Breaks 类的所有方法

val array = Array(1,3,10,5,4)

//跳出 breakable，终止 for 循环，相当于 Java 中的 break

breakable{

for(i<- array){

if(i>5) break

println(i)

}

}

//上面的 for 语句将输出 （   ）

scala> for(i <- 1 to 5 by 2) print(i)

#DataSet 转 DataFrame

scala> val anotherPeopleDS = peopleDF.as[Person] 

#DataFrame 转 DataSet

39. Structured Streaming 处理的数据跟 Spark Streaming 一样，也是源源不断的数据流，区别在于，Spark Streaming 采用的数据抽象是         （本质上就是一系列 RDD），而 Structured Streaming 采用的数据抽象是           。

38. Structured Streaming 两种执行模型：        模型（默认），可实现延时超过 100 毫秒。

               模型，可实现流计算的毫秒级延迟。

如要跨批次维护状态就必须使用          。