説明
DataFrame.select()
正しい、DataFrame.select() は変換です。コマンドが実行されると遅延評価され、アクションによってトリガーされると RDD が返されます。
DataFrame.foreach()
不正解です。DataFrame.foreach() は変換ではなく、アクションです。foreach() の目的は、DataFrame の各要素にコードを適用して、アキュムレータ変数を更新するか、要素を外部ストレージに書き込むことです。プロセスは RDD を返しません。これはアクションです。
DataFrame.first()
間違い。アクションとして、DataFrame.first() がすぐに実行され、DataFrame の最初の行が返されます。
DataFrame.count()
正しくない。DataFrame.count() はアクションであり、DataFrame 内の行数を返します。
DataFrame.show()
いいえ、DataFrame.show() はアクションであり、コマンドの実行時に DataFrame を表示します。

説明
2,3
正しい！パネル 2 と 3 は両方とも、ブロードキャスト変数に対して実行される操作を表しています。ブロードキャスト操作はパネル 3 のように見えるかもしれませんが、ドライバがボトルネックであるため、パネル 2 のように見える可能性が最も高いです。
これは、Torrent プロトコルが Spark のブロードキャスト実装の背後にあるためです。トレント プロトコルでは、各エグゼキューターは、不足しているブロードキャスト変数をドライバーまたは他のノードから取得しようとし、ドライバーがボトルネックになるのを防ぎます。
1,2
間違い。パネル 2 はブロードキャストを表している場合がありますが、パネル 1 はブロードキャスト操作では発生しない双方向通信を示しています。
3
いいえ。パネル 3 に示すようにブロードキャストが実現する可能性がありますが、トレント プロトコルを使用すると、パネル 2 に示すように通信も可能になります (最初の説明を参照)。
1,3,4
いいえ。パネル 2 は放送を示していますが、パネル 1 は双方向通信を示しています。放送の特徴ではありません。パネル 4 は単方向通信を示していますが、方向が間違っています。
パネル 4 は、ブロードキャスト変数というよりアキュムレータ変数に似ています。
2,5
正しくない。パネル 2 は放送を示していますが、パネル 5 には双方向通信が含まれています。これは放送の特徴ではありません。
詳細: Spark でブロードキャスト参加 - henning.kropponline.de

説明
DAG は「Directing Acyclic Graph」の略です。
いいえ、DAG は「有向非巡回グラフ」の略です。
Spark は DAG を開発者から戦略的に隠します。Spark の高度な自動化により、開発者は DAG レイアウトを考慮する必要がないからです。
いいえ、まったく逆です。DAG には Spark UI からアクセスでき、手動でクエリを最適化するときに非常に役立ちます。
変換とは対照的に、DAG は決して遅延実行されません。
DAG は Spark の実行計画を表し、ドライバーが DAG で処理されたデータを要求すると遅延実行されます。

説明
これらのコード ブロックの 1 つだけが機能しますが、DataFrame API は、 pow() メソッドに列を受け入れることに関して非常に柔軟です。次のコード ブロックも機能します。
transactionsDf.withColumn("predErrorSquared", pow("predError", 2))
transactionsDf.withColumn("predErrorSquared", pow("predError", lit(2))) 静的ノートブック | 動的ノートブック: テスト 1 (https://flrs.github.io/spark_practice_tests_code/#1/26.html 、
https://bit.ly/sparkpracticeexams_import_instructions)

説明
DataFrame クラスにはメソッド partitionOn() が存在しないため、代わりに partitionBy() を使用する必要があります。
正しい！ドキュメント (以下のリンク) で partitionBy() の詳細を確認してください。
オペレーターは、mode() オプションを使用して DataFrameWriter を構成し、filePath の場所にある既存のファイルをすべて置き換えるようにする必要があります。
いいえ。質問には、ファイルを上書きする必要があるかどうかに関する情報はありません。
パーティショニング列とファイル パスは、コード ブロックのようにコマンドを追加するのではなく、DataFrame transactionsDf の write() メソッドに直接渡す必要があります。
正しくない。DataFrame をディスクに書き込むには、DataFrame.writer プロパティを通じてアクセスできる DataFrameWriter オブジェクトを操作する必要があります。かっこは必要ありません。
列 storeId は、col() 演算子でラップする必要があります。
いいえ、これは必要ありません。問題は partitionOn コマンドにあります (上記を参照)。
partitionOn メソッドは、write メソッドの前に呼び出す必要があります。
間違い。まず、partitionOn は DataFrame の有効なメソッドではありません。ただし、partitionOn が partitionBy (有効なメソッド) に置き換えられると仮定しても、このメソッドは DataFrameWriter のメソッドであり、DataFrame のメソッドではありません。そのため、最初に DataFrame.write を呼び出して DataFrameWriter オブジェクトにアクセスし、その後で partitionBy を呼び出す必要があります。
詳細: pyspark.sql.DataFrameWriter.partitionBy - PySpark 3.1.2 ドキュメント 静的ノートブック | 動的ノートブック: テスト 3 を参照