Responsi Big Data dan Predictive Analytics Lanjut

RDD bersifat immutable

• benar

• salah

RDD dalam Apache Spark merupakan kepanjangan dari

• Resilent Distributed Dataset

• 
  Resilient Distributed Dataframe

• Reliable Distributed Dataset

• Reliable Distributed Dataframe

Apa itu Apache Spark?

• Sebuah sistem manajemen database

• Platform pemrograman untuk pemrosesan data terdistribusi

• Alat untuk analisis data menggunakan SQL saja

• Sebuah aplikasi untuk visualisasi data

Apa itu PySpark?

• Versi Apache Spark untuk bahasa pemrograman Python

• Perangkat lunak untuk manajemen database

• Framework untuk pengolahan data menggunakan R

• Modul Python untuk pengolahan data statis

Apa fungsi utama dari RDD dalam PySpark?

• Menyimpan data di memori untuk pemrosesan cepat

• Menyimpan data dalam format tabel

• Mengelola query SQL

• Memproses data hanya dalam satu node

Di PySpark, apa yang dimaksud dengan DataFrame?

• Struktur data yang mirip dengan tabel SQL, terdiri dari kolom dan baris

• Kumpulan data yang tidak terstruktur

• Kumpulan RDD yang hanya dapat diproses dalam satu node

• Array dua dimensi yang dapat disimpan dalam memori

Apa itu SparkSession dalam PySpark?

• Fungsi untuk melakukan transformasi data

• Objek untuk menginisialisasi koneksi ke cluster Spark

• Tipe data yang menyimpan hasil pemrosesan

• Struktur data yang digunakan untuk query SQL saja

Bagaimana cara membaca file CSV menggunakan PySpark?

• spark.read.json("file.csv")

• spark.read.csv("file.csv")

• spark.read.text("file.csv")

• spark.read.parquet("file.csv")

Apa perbedaan utama antara RDD dan DataFrame di PySpark?

• RDD hanya dapat diproses dalam satu node, sedangkan DataFrame mendukung pemrosesan terdistribusi

• DataFrame lebih efisien dalam pemrosesan dan mendukung SQL

• RDD digunakan untuk data yang terstruktur, sedangkan DataFrame untuk data yang tidak terstruktur

• Tidak ada perbedaan signifikan antara keduanya

Fungsi apa yang digunakan untuk menghitung jumlah baris dalam sebuah DataFrame di PySpark?

• df.count()

• df.shape()

• df.length()

• df.size()