A. transactionDf.filter(col("transactionId").isin([3,4,6])).select([predError, value])

B. transactionDf.select(col("transactionId").isin([3,4,6]), "predError", "value")

C. transactionDf.filter("transactionId" % 2 == 0).select("predError", "value")

D. transactionDf.filter(col("transactionId") % 2 == 0).select("predError", "value") (정확함)

E. 1.transactionsDf.createOrReplaceTempView("transactionsDf")
2.spark.sql("FROM transactionDf SELECT predError, 값 WHERE transactionId % 2 = 2")

F. transactionDf.filter(col(transactionId).isin([3,4,6]))

A. 1. 카운터 = 0
2.
3. 인덱스의 경우 itemsDf.iterrows()의 행:
4. '주식회사'인 경우 연속 ['공급업체']:
5. 카운터 = 카운터 + 1
6.
7.프린트(카운터)

B. 1. 카운터 = 0
2.
3. def count(x):
4. '주식회사'인 경우 x['공급업체']:
5. 카운터 = 카운터 + 1
6.
7.itemsDf.foreach(개수)
8.프린트(카운터)

C. print(itemsDf.foreach(lambda x: x의 'Inc.'))

D. print(itemsDf.foreach(lambda x: 'Inc.' in x).sum())

E. 1.accum=sc.accumulator(0)
2.
3.def check_if_inc_in_supplier(행):
4. '주식회사'인 경우 연속 ['공급업체']:
5. accum.add(1)
6.
7.itemsDf.foreach(check_if_inc_in_supplier)
8.print(accum.value)

A. spark.conf.set("spark.sql.autoBroadcastJoinThreshold", 20)

B. Spark는 기본값보다 훨씬 작은 DataFrame만 브로드캐스트합니다.

C. 구성을 작성하는 올바른 옵션은 spark.conf가 아니라 spark.config를 사용하는 것입니다.

D. Spark는 임계값 조인에만 제한을 적용하고 다른 조인에는 적용하지 않습니다.

E. 전달된 제한에 잘못된 변수 유형이 있습니다.

F. 명령이 느리게 평가되며 작업이 뒤따를 필요가 있습니다.

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. itemsDf.withColumn(["공급자", "제조업체"])

B. itemsDf.withColumn("공급자").alias("제조업체")

C. itemsDf.withColumnRenamed("공급자", "제조업체")

D. itemsDf.withColumnRenamed(col("제조업체"), col("공급업체"))

E. itemsDf.withColumnsRenamed("공급자", "제조업체")