A. itemsDf.write.avro(파일 위치)

B. itemsDf.write.format("avro").mode("ignore").save(파일 위치)

C. itemsDf.write.format("avro").mode("errorifexists").save(파일 위치)

D. itemsDf.save.format("avro").mode("ignore").write(파일 위치)

E. spark.DataFrameWriter(itemsDf).format("avro").write(파일 위치)

A. DAG는 Spark 실행자가 작업을 처리하는 방식을 지시하는 데 도움이 되지만 실행자가 실패할 경우 쿼리를 적절하게 실행하는 데 제한이 됩니다.

B. DAG는 "Directing Acyclic Graph"의 약자입니다.

C. Spark는 개발자에게 DAG를 전략적으로 숨깁니다. Spark의 높은 수준의 자동화 덕분에 개발자는 DAG 레이아웃을 고려할 필요가 없습니다.

D. 변환과 달리 DAG는 결코 지연 실행되지 않습니다.

E. DAG는 병렬로 실행되는 작업으로 분해될 수 있습니다.

A. itemsDf.withColumn(["공급업체", "제조업체"])

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

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

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

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

A. 거래Df.remove(거래Df.storeId==25)

B. transactionsDf.where(transactionsDf.storeId!=25)

C. 거래Df.filter(거래Df.storeId==25)

D. 거래Df.drop(거래Df.storeId==25)

E. transactionsDf.select(transactionsDf.storeId!=25)

A. spark.read.json(파일 경로)

B. spark.read.path(파일 경로, 소스="json")

C. spark.read().path(파일 경로)

D. spark.read().json(파일 경로)

E. spark.read.path(파일 경로)