A. 성공적으로 완료될 때까지 실패한 단계를 무기한 재시도합니다.

B. 각 단계 내에서 사용자 정의 오류 처리 논리를 구현합니다.

C. 선택적 실패 복구를 위해 체크포인팅 및 계보 추적 활용

D. 자동 재시도를 통해 Spark의 내장된 장애 허용 메커니즘을 사용합니다.

A. 데이터 보안 강화

B. 간소화된 데이터 관리

C. 메타데이터 오버헤드로 인해 쿼리 성능이 저하되었습니다.

D. 자동 데이터 중복 제거

A. Spark에서 분산 데이터에 대한 SQL 쿼리를 직접 작성합니다.

B. 데이터 조작을 위해 RDD에 사용자 정의 로직을 구현합니다.

C. 데이터에 대한 머신 러닝 작업에 Spark ML 라이브러리를 사용합니다.

D. A와 B 둘 다.

A. 모든 데이터 흐름에 정적 스키마를 적용하여

B. 데이터 형식 및 스키마를 자동으로 감지하는 프로세서를 통해

C. 각 데이터 소스에 대한 스키마를 수동으로 지정하여

D. 스키마 관리를 위해 외부 스키마 저장소를 독점적으로 활용

A. 모든 데이터 세트 크기에 대해 최적의 성능을 보장합니다.

B. 높은 계산 비용으로 인해 대용량 데이터 세트의 잠재적인 성능 문제를 나타낼 수 있습니다.

C. 이는 쿼리가 분산 실행을 위해 완전히 최적화되었음을 나타냅니다.

D. 이는 데이터가 쿼리에 대해 완벽하게 분할되었음을 의미합니다.