説明
transactionDf.select（ "storeId"）。dropDuplicates（）。count（）
正しい！列storeIdからすべての重複を削除した後、残りの行がカウントされ、列内の一意の値の数を表します。
transactionDf.select（count（ "storeId"））。dropDuplicates（）
いいえ。transactionsDf.select（count（ "storeId"））は、null以外の行の数を示す単一行のDataFrameを返すだけです。dropDuplicates（）は、このコンテキストでは効果がありません。
transactionDf.dropDuplicates（）。agg（count（ "storeId"））
正しくない。transactionDf.dropDuplicates（）はtransactionsDfから重複する行を削除しますが、列storeIdのみを考慮して削除するのではなく、代わりに完全な行の重複を削除します。
transactionDf.distinct（）。select（ "storeId"）。count（）
違う。transactionDf.distinct（）は、列storeIdに関して一意の行だけでなく、すべての列にわたって一意の行を識別します。これにより、列に重複する値が残り、カウントがその列の一意の値の数を表さなくなる可能性があります。
transactionDf.select（distinct（ "storeId"））。count（）
間違い。pyspark.sql.functionsには明確なメソッドはありません。

説明
正しいコードブロック：
transactionDf.select（ "storeId"）。printSchema（）
この質問の難しさは、回答の選択肢が互いに非常に異なるため、同様の質問にうまく機能した段階的な最初から最後のギャップのアプローチでは解決するのが難しいことです。代わりに、頻繁に間違った答えのパターンを探すことによって答えを排除したい場合があります。
今までに認識できる最初のパターンは、列名が引用符で表されていないことです。このため、storeIdを含む回答は削除する必要があります。
これまでに、DataFrame.limit（）が指定された量の行を返すのに役立つことを理解したかもしれません。特定の列とは何の関係もありません。このため、limit（ "storeId"）に解決される回答を削除できます。
データ型に関する情報に関心があることを考えると、limit（1）.columnsに解決される答えがこの情報を提供するかどうかを質問する必要があります。DataFrame.columnsは有効な呼び出しですが、列名のみを報告し、列タイプは報告しません。したがって、このオプションを削除できます。
残りの2つのオプションは、printSchema（）またはprint_schema（）コマンドを使用します。DataFrame.printSchema（）が2つの中で唯一の有効なコマンドであることを覚えているかもしれません。select（ "storeId"）部分は、transactionsDfのstoreId列を返すだけです。とにかくその列のタイプにのみ関心があるため、これはここで機能します。
詳細：pyspark.sql.DataFrame.printSchema-PySpark3.1.2ドキュメント静的ノートブック| ダイナミックノートブック：テスト3を参照

説明
正しいコードブロック：
transactionDf = spark.read.load（ "data / transactions.csv"、sep = ";"、format = "csv"、header = True、inferSchema = True）デフォルトでは、SparkはCSVのスキーマを推測しません（通常、これには時間がかかります）。したがって、コードブロックにinferSchema=Trueオプションを追加する必要があります。
詳細：pyspark.sql.DataFrameReader.csv-PySpark3.1.2ドキュメント

説明
正しいコードブロック：
accum = sc.accumulator（0）
def check_if_inc_in_supplier（row）：
「株式会社」の場合 行['supplier']：
accum.add（1）
itemsDf.foreach（check_if_inc_in_supplier）
print（accum.value）
この質問に正しく答えるには、DataFrame.foreach（）メソッドとアキュムレータの両方について知る必要があります。
Sparkがコードを実行すると、エグゼキュータで実行されます。エグゼキュータは、スコープ外の変数に関する情報を持っていません。これは、counter = 0で始まる2つの例のように、Python変数カウンターを使用するだけでは機能しない理由です。カウンターは特別な共有変数であるアキュムレーターであることをエグゼキューターに明示的に伝える必要があります。アキュムレーターはドライバーによって管理され、追加する目的ですべてのエグゼキューターがアクセスできます。
過去にPandasを使用したことがある場合は、iterows（）コマンドに精通している可能性があります。PySparkにはそのようなコマンドがないことに注意してください。
DataFrame.foreach（）には戻り値がないため、printで始まる2つの例は機能しません。
詳細：pyspark.sql.DataFrame.foreach-PySpark3.1.2ドキュメント
静的ノートブック| ダイナミックノートブック：テスト3を参照

説明
タスクはスロットを介して並行して実行されます。
正しい。仮定が与えられると、エグゼキュータは、方程式spark.executor.cores/spark.task.cpusによって定義される1つ以上の「スロット」を持ちます。エグゼキュータのリソースがスロットに分割されると、各タスクがスロットを占有し、複数のタスクを並行して実行できます。
スロットはエグゼキュータの別名です。
いいえ、スロットはエグゼキュータの一部です。
エグゼキュータはシングルコアで実行されます。
いいえ、エグゼキュータは複数のコアを占有できます。これは、spark.executor.coresオプションによって設定されます。
タスクよりも多くのスロットが必要です。
いいえ。スロットはタスクを処理するだけです。複数のタスク用のスロットが1つだけで、一度に1つのタスクを処理するシナリオを想像することができます。確かに-これは、複数のコアとマシンに分散データ処理を行い、多くのタスクを並行して実行する、Sparkの使用目的とは逆です。
タスクよりもエグゼキュータが少なくなければなりません。
いいえ、そのような要件はありません。
詳細：Sparkアーキテクチャ| 分散システムアーキテクチャ（https://bit.ly/3x4MZZt）