メソッド saveAsTable() は新しいテーブルを作成し、テーブルが存在する場合はオプションで失敗します。
Spark のドキュメントより:
「モード 'ErrorIfExists' (デフォルト) では、テーブルがすでに存在する場合にエラーが発生します。」つまり、
オプションAが正解です。
オプション B (上書き) は既存のデータを上書きするため、ここでは受け入れられません。
オプション C と D は save() を使用しますが、メタストアにメタデータを含む管理テーブルは作成されません。
最終答え：A

マイクロバッチ間隔を定義する正しい構文は次のとおりです。
クエリ = df.writeStream \
.outputMode("追加") \
.trigger(処理時間='5秒') \
。始める（）
これにより、クエリが 5 秒ごとに実行されるようにスケジュールされます。
連続モード (オプション A で使用) は実験的なモードであり、シンクのサポートが制限されています。
オプション D は、processingTime が整数ではなく文字列である必要があるため、正しくありません。
オプション B は、間隔制御なしでできるだけ早くトリガーします。

DataFrame 式内の列の値を Python リテラル定数と比較するには、F.lit() を使用して Spark リテラルに変換します。
正しいリファクタリング:
pyspark.sqlから関数をFとしてインポートする
最小価格 = 110.50
result_df = prices_df.filter(F.col("price") > F.lit(min_price)).agg(F.count("*")) これにより、型の不一致が回避され、Spark がクラスター上でフィルター式を実行することが保証されます。
他のオプションが間違っている理由:
B: where() 構文は有効ですが、F.lit("price") は正しくありません。列ではなく文字列リテラルをラップします。
C: withColumn は、この集計に必要のない列を追加します。
D: 比較ロジックが逆になっています。
参照：
PySpark SQL 関数 - lit()、col()、および DataFrame フィルター。
Databricks 試験ガイド (2025 年 6 月) : セクション「Apache Spark DataFrame/DataSet API アプリケーションの開発」 - フィルタリング、リテラル、集計。

Parquet ファイルのスキーマを表示するには、DataFrameReader を使用して Parquet データを読み込み、.printSchema() メソッドを呼び出す必要があります。
正しい構文:
spark.read.parquet("events.parquet").printSchema()
このコマンドは、ファイルのメタデータを読み込み (完全な読み取りをトリガーせずに)、列名、データ型、および NULL 値可能性情報をツリー形式で出力します。
他のオプションが間違っている理由:
A/D: SQL クエリはファイル スキーマを直接イントロスペクトできません。
B: .show() はスキーマではなくデータ行を表示します。
参照：
PySpark DataFrameReader API - read.parquet() および DataFrame.printSchema()。
Databricks 試験ガイド (2025 年 6 月) : セクション「Spark SQL の使用」 - Spark SQL および DataFrame API でのファイルの読み取りとスキーマの調査について説明します。

正確な抜粋からの包括的かつ詳細な説明：
正解は D です。これは、適切な時間ベースのウィンドウ集計とウォーターマークを使用するためです。これは、イベント時間データの時間ベースの集計に Spark Structured Streaming で必要なパターンです。
構造化ストリーミングに関する Spark 3.5 ドキュメントより:
イベント時間列にスライディングウィンドウを定義し、groupBをwindow()とともに使用して、それらのウィンドウの集計を計算できます。遅延データを処理するには、withWatermark()を使用して、遅延データの到着許容範囲を指定します。(出典:Structured Streaming Programming Guide) オプションDでは、以下の使用法があります。
パイソン
コピー編集
groupBy("sensor_id", window("timestamp","5分"))
agg(avg("温度").alias("avg_temp"))
各sensor_idについて、5分間のイベント時間ウィンドウにわたって平均温度が計算されることを保証します。ロジックを完成させるために、パイプラインの早い段階でwithWatermark("timestamp", "5 minutes")を使用して、遅いイベントを処理することを前提としています。
他のオプションが間違っている理由の説明:
オプション A は静的 DataFrame またはバッチ クエリに適用され、ストリーミング集計には適していない Window.partitionBy を使用します。
オプション B では時間ウィンドウが適用されないため、5 分間の移動平均は計算されません。
オプション C は集計後に誤って ApplyWithWatermark() を適用し、時間ウィンドウが含まれていないため、必要な時間ベースのグループ化が欠落しています。
したがって、オプション D は、時間ウィンドウ ストリーミング集約を計算するためのすべての要件を満たす唯一のオプションです。