A. 복잡성을 추가하여 쿼리 실행 속도를 늦춥니다.

B. SQL 명령 실행을 가능하게 합니다.

C. 행 배치를 함께 처리하여 쿼리 성능을 향상시킵니다.

D. 보안을 위해 쿼리 결과를 암호화합니다.

A. SequentialExecutor를 사용하세요

B. 모든 작업에 대해 depends_on_past=True를 설정합니다.

C. airflow.cfg 파일에서 parallelism 매개변수를 사용합니다.

D. ]] 및 [[ 연산자를 사용하여 작업 종속성을 설정합니다.

A. 'app.py'만 업로드하고 'spark-submit app.py'를 사용하여 제출합니다.

B. 'MyPySparkApp-0.1-py3-none-any.whl'만 업로드하고 'spark-submit --py-files MyPySparkApp-0.1-py3-none-any.whl'을 사용하여 제출합니다.

C. 'app.py'와 'MyPySparkApp-0.1-py3-none-any.whl'을 모두 업로드하고 'spark-submit --py-files MyPySparkApp-0.1-py3-none-any.whl app.py'를 사용하여 제출합니다.

D. 'app.py'를 업로드하고 'spark-submit app.py'를 사용하여 제출하기 전에 모든 노드에 'numpy'를 수동으로 설치합니다.

A. Spark 함수를 사용하여 사용자 정의 집계 논리를 작성하고 전체 DataFrame을 반복합니다.

B. SUM 및 COUNT와 같은 Spark SQL의 기본 제공 집계 함수 활용

C. HiveQL의 집계 기능을 사용한 다음 결과를 다시 Spark DataFrame으로 변환합니다.

D. 복잡한 집계를 위해 Spark에서 사용자 정의 UDF(사용자 정의 함수) 구현

A. spark.kubernetes.executor.container.image

B. spark.executor.image

C. spark.kubernetes.container.image

D. spark.cde.container.image