A. 작업의 여러 단계가 병렬로 실행될 수 있습니다.

B. 단계는 하나 이상의 작업으로 구성됩니다.

C. 단계는 작업을 통해 커밋되기 전에 트랜잭션을 일시적으로 저장합니다.

D. 한 단계의 작업은 여러 시스템에서 동시에 실행될 수 있습니다.

E. 단계에는 여러 작업, 좁고 넓은 변형이 포함될 수 있습니다.

A. itemsDf.persist(StorageLevel.MEMORY_ONLY)

B. itemsDf.cache(StorageLevel.MEMORY_AND_DISK)

C. itemsDf.store()

D. itemsDf.cache()

E. itemsDf.write.option('목적지', '메모리').save()

A. transactionDf.max('값').min('값')

B. transactionDf.agg(max('value').alias('최고'), min('value').alias('최저'))

C. transactionDf.groupby(col(productId)).agg(max(col(value)).alias("최고"), min(col(value)).alias("최저"))

D. transactionDf.groupby('productId').agg(max('value').alias('highest'), min('value').alias('lowest'))

E. transactionDf.groupby("productId").agg({"최고": 최대("값"), "최저": 최소("값")})

A. transactionDf.drop('value', 'storeId').join(itemsDf.select('attributes'), transactionDf.productId==itemsDf.itemId)

B. 1.transactionsDf.createOrReplaceTempView('transactionsDf')
2.itemsDf.createOrReplaceTempView('itemsDf')
삼.
4.spark.sql("select -value, -storeId FROM transactionDf INNER JOIN itemsDf ON productId==itemId").drop("속성")

C. transactionDf.drop("value", "storeId").join(itemsDf.drop("attributes"),
"transactionsDf.productId==itemsDf.itemId")

D. 1.트랜잭션Df \
2. .drop(col('value'), col('storeId')) \
3. .join(itemsDf.drop(col('attributes')), col('productId')==col('itemId'))

E. 1.transactionsDf.createOrReplaceTempView('transactionsDf')
2.itemsDf.createOrReplaceTempView('itemsDf')
삼.
4. 문 = """
5. 트랜잭션Df에서 * 선택
6.INNER 조인 아이템Df
7.ON transactionDf.productId==itemsDf.itemId
8."""
9.spark.sql(문).drop("값", "storeId", "속성")

A. 좁은 변환은 데이터가 파티션 간에 교환되는 작업입니다.

B. 좁은 변환은 여러 RDD의 데이터가 사용되는 프로세스입니다.

C. 좁은 변환은 32비트 부동 변수가 16비트 또는 8비트 부동 변수와 같은 더 작은 부동 변수로 캐스트되는 프로세스입니다.

D. 좁은 변환은 데이터가 클러스터 전체에서 교환되는 작업입니다.

E. 좁은 변환은 클러스터 전체에서 데이터가 교환되지 않는 작업입니다.