A. 1. 캐시
2. MEMORY_ONLY_2
3. 카운트()

B. 1. 지속
2. DISK_ONLY_2
3. 카운트()

C. 1. 지속
2. MEMORY_ONLY_2
3. 선택()

D. 1. 캐시
2. DISK_ONLY_2
3. 카운트()

E. 1. 지속
2. MEMORY_ONLY_2
3. 카운트()

A. transactionDf.format("parquet").option("mode", "append").save(경로)

B. 코드 블록에 DataFrameWriter에 대한 참조가 없습니다.

C. save()는 느리게 평가되며 조치가 뒤따를 필요가 있습니다.

D. 명령이 기본 모드를 사용하도록 모드 옵션을 생략해야 합니다.

E. 코드 블록에 파티션을 처리하는 bucketBy 명령이 없습니다.

F. DataFrame을 쪽모이 세공 파일로 저장해야 하므로 경로가 잘못된 방법으로 전달되고 있습니다.

A. 선택 대신 필터 연산자를 사용하여 DataFrame transactionDf를 필터링해야 합니다.

B. storeId 및 predError 열은 Python 목록으로 표시되어야 하므로 대괄호([])로 묶어야 합니다.

C. collect 방식 대신 take 방식을 사용해야 합니다.

D. 수집 대신 collectAsRows를 호출해야 합니다.

E. collect 메소드가 SparkSession 객체의 메소드가 아닙니다.

A. 동적 파티션 정리는 쿼리 결과에서 필요하지 않은 데이터를 건너뛰기 위한 것입니다.

B. 동적 파티션 정리는 조인 성능을 최적화하기 위해 유사한 데이터 유형의 열을 연결합니다.

C. 동적 파티션 정리는 메모리 대신 디스크에서 광범위한 변환을 수행합니다.

D. 동적 파티션 프루닝은 데이터 유형 및 브로드캐스트 변수를 기반으로 물리적 계획을 재최적화합니다.

E. 동적 파티션 정리는 쿼리 실행 중에 수집된 런타임 통계를 기반으로 쿼리 계획을 다시 최적화합니다.

A. 속성 배열이 잘못 지정되었고, Spark가 파일 형식을 식별할 수 없으며, Spark의 DataFrameReader에 대한 호출 구문이 올바르지 않습니다.

B. 스키마 정의의 열이 잘못된 개체 유형을 사용하고 Spark의 DataFrameReader에 대한 호출 구문이 올바르지 않습니다.

C. 스키마의 데이터 유형이 schema() 연산자와 호환되지 않고 수정 날짜 임계값이 잘못 지정되었습니다.

D. 스키마 정의의 열이 잘못된 개체 유형을 사용하고 수정 날짜 임계값이 잘못 지정되어 Spark가 파일 형식을 식별할 수 없습니다.

E. 스키마의 열이 빈 값을 처리할 수 없으며 수정 날짜 임계값이 잘못 지정되었습니다.