A. transactionDf.where(col("storeId"). between(3,25))

B. transactionDf.filter((col("storeId")!=25) | (col("productId")==2))

C. transactionDf.filter(col("storeId")==25).select("predError","storeId").distinct()

D. transactionDf.select("productId", "storeId").where("storeId == 2 OR storeId != 25")

E. transactionDf.where(col("값").isNull()).select("productId", "storeId").distinct()

A. itemsDf.join(transactionsDf, itemsDf.itemId == transactionDf.storeId, "right_outer")

B. itemsDf.join(transactionsDf, itemsDf.itemId == transactionDf.storeId, "브로드캐스트")

C. itemsDf.merge(transactionsDf, "itemsDf.itemId == transactionDf.storeId", "브로드캐스트")

D. itemsDf.join(broadcast(transactionsDf), itemsDf.itemId == transactionDf.storeId)

E. itemsDf.join(transactionsDf, broadcast(itemsDf.itemId == transactionDf.storeId))

A. Spark는 MEMORY_AND_DISK 저장 수준 옵션을 제공하여 작업자 장애 시 데이터의 빠른 복구를 돕습니다.

B. 작업자 노드의 실행자가 RDD를 계산하는 동안 실패하면 해당 RDD는 계보를 사용하여 다른 실행자가 다시 계산할 수 있습니다.

C. Spark는 자체적으로 내결함성이 없는 레거시 RDD 데이터 시스템 위에 내결함성 계층을 구축합니다.

D. 변환 후 DataFrames의 가변성으로 인해 Spark는 작업자 노드 장애 시 관찰된 계보를 사용하여 데이터 프레임을 재생합니다.

E. Spark는 이 기능이 spark.fault_recovery.enabled 속성을 통해 특별히 활성화된 경우에만 내결함성이 있습니다.

A. Spark는 예약된 시스템 메모리의 하위 집합을 사용합니다.

B. 스토리지 메모리는 DataFrames에서 파생된 파티션을 캐싱하는 데 사용됩니다.

C. 가비지 수집의 일반적인 규칙으로 Spark는 소수의 큰 개체보다 많은 작은 개체에서 더 나은 성능을 보입니다.

D. 직렬화를 비활성화하면 잠재적으로 Spark 애플리케이션의 메모리 공간이 크게 줄어듭니다.

E. Spark의 메모리 사용량은 실행, 트랜잭션, 저장의 세 가지 범주로 나눌 수 있습니다.

A. itemsDf.split("공급자", " ").count()

B. itemsDf.split("공급자", " ").size()

C. itemsDf.select(word_count("공급자"))

D. spark.select(size(split(col(supplier), " ")))

E. itemsDf.select(size(split("공급자", " ")))