A. 브로드캐스트 변수는 모든 단일 작업과 함께 직렬화됩니다.

B. 브로드캐스트 변수는 일반적으로 메모리에 맞지 않는 테이블에 사용됩니다.

C. 브로드캐스트 변수는 변경할 수 없습니다.

D. 브로드캐스트 변수는 작업별로 동적으로 업데이트되는 경우가 있습니다.

E. 브로드캐스트 변수는 작업자 노드에 로컬이며 클러스터 전체에서 공유되지 않습니다.

A. spark.read.schema(fileSchema).format("parquet").load(filePath)

B. spark.read.schema("fileSchema").format("parquet").load(filePath)

C. spark.read().schema(fileSchema).parquet(filePath)

D. spark.read().schema(fileSchema).format(parquet).load(filePath)

E. spark.read.schema(fileSchema).open(filePath)

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", " ")))

A. Spark는 카탈로그를 사용하여 최적화된 논리적 계획을 해결합니다.

B. 카탈로그는 최적화된 메모리 계획에 특정 리소스를 할당합니다.

C. 실행된 물리적 계획은 이전 단계의 비용 최적화에 따라 다릅니다.

D. DataFrame API 또는 SQL API 사용 여부에 따라 실제 계획이 다를 수 있습니다.

E. 카탈로그는 물리적 계획에 특정 리소스를 할당합니다.

A. Spark는 기본적으로 스큐 조인을 자동으로 최적화하지 않습니다.

B. 브로드캐스트 조인은 정렬 병합 조인보다 치우친 데이터에 대한 조인 성능을 높이는 실행 가능한 방법입니다.

C. 왜곡된 DataFrame에서 가장 큰 파티션과 가장 작은 파티션은 매우 다른 양의 메모리를 사용합니다.

D. 왜곡을 완화하기 위해 Spark는 조인할 때 키의 null 값을 자동으로 무시합니다.

E. 솔팅은 데이터 왜곡을 해결할 수 있습니다.