A. 집계

B. 완료

C. 바꾸기

D. 추가

A. dates_df.withColumn("날짜", f.unix_timestamp("타임스탬프")).show()

B. dates_df.withColumn("날짜", f.to_date("타임스탬프")).show()

C. dates_df.withColumn("날짜", f.date_format("타임스탬프", "yyyy-MM-dd")).show()

D. dates_df.withColumn("날짜", f.from_unixtime("타임스탬프")).show()

A. Spark는 DataFrame을 메모리와 디스크에 모두 복제합니다. 메모리에 맞지 않으면 DataFrame을 디스크에서 완전히 저장하고 검색합니다.

B. Spark는 DataFrame을 메모리와 디스크에 균등하게 나누어 스토리지 활용도를 균형 있게 보장합니다.

C. Spark는 가능한 한 많은 데이터를 메모리에 저장하고 메모리가 가득 차면 나머지 데이터를 디스크에 쏟아 성능 오버헤드를 감수하면서 처리를 계속합니다.

D. Spark는 자주 액세스되는 행을 메모리에 저장하고, 덜 자주 액세스되는 행은 디스크에 저장하여 두 리소스를 모두 활용하여 균형 잡힌 성능을 제공합니다.

A. df.write.mode("덮어쓰기").json("파일 경로")

B. df.write.overwrite.json("파일 경로")

C. df.write.json("파일 경로", 덮어쓰기=True)

D. df.write.format("json").save("경로/파일", 모드="덮어쓰기")

A. 변환은 자동으로 작업자 노드에 데이터를 분산합니다.

B. Pandas DataFrame이 1000개 행을 초과하면 작업이 실패합니다.

C. 변환 중 데이터가 손실됩니다.

D. 이 작업은 모든 데이터를 드라이버의 메모리에 로드하여 잠재적으로 메모리 오버플로를 발생시킵니다.