説明
依存関係が狭いステージは 1 つのタスクにグループ化できます。
違います。依存関係が狭いタスクは 1 つのステージにグループ化できます。
幅広い依存関係を持つタスクは 1 つのステージにグループ化できます。
ワイド変換を行うと常にステージの境界を示すシャッフルが発生するため、間違っています。したがって、幅広い依存関係を持つ複数のタスクを1 つのステージにバンドルすることはできません。
タスクは、実行階層内で 2 番目に小さい要素です。
いいえ、それらは実行階層の最小要素です。
1 つのタスク内で、スロットはデータの各パーティションに対して実行される作業の単位です。
いいえ、タスクはパーティションごとに実行される作業の単位です。スロットは、Spark の作業の並列化に役立ちます。エグゼキュータには複数のスロットを持たせることができ、これにより複数のタスクを並行して処理できます。

説明
Spark はデータを DAG 形式で保存することで優れたパフォーマンスを実現しますが、Hadoop は寄木細工のファイルしか使用できません。
違います。「DAG 形式」はありません。DAG は「有向非巡回グラフ」の略です。DAG は、Spark で計算ステップを表す手段です。ただし、Hadoop が DAG を使用しないのは事実です。
Spark での DAG の導入は、ディスクへのデータの書き込みとディスクからの読み取りを継続的に行う必要があるという Hadoop のマップ リデュース フレームワークの制限の結果でした。
Apache Spark のグラフ DAG - DataFlair
Spark はデータを HDFS 形式で保存することで優れたパフォーマンスを実現しますが、Hadoop は寄木細工のファイルしか使用できません。
いいえ、Spark は確かにデータを HDFS (および他の形式) に保存できますが、これは Hadoop に比べてパフォーマンス上の重要な利点ではありません。Hadoop は、Parquet だけでなく、複数のファイル形式を使用できます。
Spark は、Hadoop とは異なり、Kubernetes 上にデプロイできるため、クエリに対してより高い復元力を実現します。
いいえ、質問では回復力は求められていません。質問はパフォーマンスの向上についてです。
Hadoop と Spark はどちらも Kubernetes にデプロイできます。
Spark は、ユーザー フレンドリーな API で Hadoop の DataFrame を拡張することで、開発者のパフォーマンスを向上させます。
いいえ、DataFrame は Spark の概念ですが、Hadoop の概念ではありません。

説明
これは難しい質問です。さまざまな答えを 1 つずつ評価してみましょう。
Spark は、デフォルト値よりもはるかに小さい DataFrame のみをブロードキャストします。
これは正しいです。デフォルト値は 10 MB (10485760 バイト) です。Spark.sql.autoBroadcastJoinThreshold の構成では (メガバイトではなく) バイト単位の数値が必要であるため、コード ブロックは、要求された 20 * 1024 * 1024 (= 20971520) バイトではなく、制限を単に 20 バイトに設定します。
コマンドは遅延評価されるため、その後にアクションを実行する必要があります。
いいえ、このコマンドはすぐに評価されます。
Spark は制限をしきい値結合にのみ適用し、他の結合には適用しません。
「しきい値結合」がないため、このオプションは意味がありません。
構成を書き込むための正しいオプションは、spark.conf ではなく、spark.config を使用することです。
いいえ、それは確かにspark.confです!
渡された制限の変数タイプが間違っています。
この構成では、バイト数 (数値) が入力として期待されます。したがって、コード ブロックで指定されている 20 は問題ありません。

説明
正しいコードブロック:
transactionDf.withColumn("transactionDateForm", from_unixtime("transactionDate", "MMM d (EEEE)")) この質問は、特に列の「追加」について尋ねています。提示されたすべての回答のコンテキストでは、 DataFrame.withColumn() がこれに対する正しいコマンドです。理論的には、既存の列をすべて選択して新しい列を追加する場合、DataFrame.select() をこの目的に使用することもできます。
DataFrame.withColumnRenamed() は、既存の列の名前を変更することしかできず、新しい列を追加したり、列の値を変更したりすることはできないため、適切なコマンドではありません。
DataFrame.withColumn() を選択すると、ドキュメント (以下を参照) で、メソッドへの最初の入力引数は新しい列の列名にする必要があることがわかります。
最後の難関は日付形式です。この質問は、日付形式として 4 月 26 日 (日曜日) が必要であることを示しています。答えには「MM d (EEEE)」と「MM d (EEEE)」が選択肢として表示されます。Spark で使用される日付形式の詳細を知るのは難しい場合があります。特に、MMM と MM の違いを知ることは、おそらく毎日対処することではありません。ただし、違いを覚える簡単な方法があります。通常、M (1 文字) は最も短い形式で、4 月を表す 4 です。MM にはパディングが含まれます: 4 月の場合は 04。MMM (3 文字) は 3 文字の月の略称で、4 月を表す Apr です。MMMM は可能な限り長い形式です: April です。この 4 文字の順序を知っておくと、ここで正しいオプションを選択するのに役立ちます。
詳細: pyspark.sql.DataFrame.withColumn - 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

説明
静的ノート | 動的ノートブック: テスト 1 を参照
(https://flrs.github.io/spark_practice_tests_code/#1/30.html 、
https://bit.ly/sparkpracticeexams_import_instructions)