Selecione a opção correta a respeito dele. A variável "teste" corresponde a um RDD. A linha "spark_contexto.parallelize(a)" aplica a técnica ...

Question

Selecione a opção correta a respeito dele.  	 A variável "teste" corresponde a um RDD.  	 A linha "spark_contexto.parallelize(a)" aplica a técnica MapReduce para processar o vetor "a".  	 A utilização do SparkContext é opcional.  	 O objetivo do trecho de código é contar a quantidade de ocorrências dos valores do vetor "a".  	 A execução do trecho de código vai gerar um erro.

Ed · Answer

A opção correta é: "A linha "spark_contexto.parallelize(a)" aplica a técnica MapReduce para processar o vetor "a"."

Explicação: 
- A variável "teste" não é mencionada no código apresentado, portanto não é possível afirmar se corresponde a um RDD ou não.
- A utilização do SparkContext é obrigatória para a execução do código.
- O objetivo do trecho de código é contar a quantidade de ocorrências dos valores do vetor "a".
- A execução do trecho de código não vai gerar um erro, desde que a variável "a" esteja definida corretamente.

Selecione a opção correta a respeito dele. A variável "teste" corresponde a um RDD. A linha "spark_contexto.parallelize(a)" aplica a técnica ...

Fisioterapia nos Distúrbios Funcionais do Sistema Nervoso Adulto e Infantil

ESTÁCIO

Respostas

Faça como milhares de estudantes: teste grátis o Passei Direto

Agora você pode testar o

Passei Direto grátis

Responda

Continue navegando

Perguntas dessa disciplina

Import numpy as np From pyspark import SparkC(Y1text spark_contexto = SparkContext ( ) teste = spark_contexto.parallelize(a) Selecione a opção corr...

Observe o trecho de código abaixo: import numpy as np from pyspark import SparkContext spark_contexto = SparkContext() a = np.array([1, 5, 1, 6, ...

Observe o trecho de código abaixo: import numpy as np from pyspark import SparkContext spark_contexto = SparkContext() a = [5, 1, 6, 4, 7, 7] tes...

Observe o trecho de código abaixo import numpy as np from pyspark import SparkContext spark_contexto = SparkContext() a = np.array([1, 5, 1, 6, 4,...