Créer jeu
Télécharger
Téléchargement SCORM
A utiliser dans un LMS (Moodle, Blackboard...)
Téléchargement régulier
Pour être publié sur un site Web ou un blog.
Le téléchargement du jeu est une fonctionnalité exclusive pour les utilisateurs avec un Plan Académique ou un Plan Commercial.
Obtenez votre Plan Académique ou Plan Commercial dès maintenant et commencez à intégrer vos jeux dans votre LMS, votre site Web ou votre blog.
Obtenir Plan Académique
Si vous le souhaitez, vous pouvez télécharger une jeu de test ici et tester son intégration:
Partager le jeu
Test
Test

SPARK - LRBA 3

Intégrez-le à votre plateforme
G. Classroom M. Teams
Vous pouvez intégrer le jeu dans un LMS compatible avec LTI 1.1 ou LTI 1.3 comme Canvas, Moodle ou Blackboard. Les scores seront ainsi automatiquement enregistrés dans le carnet de notes de la plateforme.
Télécharger
Vous avez dépassé le nombre maximum de jeux que vous pouvez intégrer à Google Classroom avec votre Plan actuel.

Pour intégrer autant de jeux que vous le souhaitez dans Google Classroom, vous avez besoin d’un Plan Académique ou un Plan Commerciel.

Obtenir Plan Académique
Vous avez dépassé le nombre maximum de jeux que vous pouvez intégrer à Microsoft Teams avec votre Plan actuel.

Pour intégrer autant de jeux que vous le souhaitez dans Microsoft Teams, vous avez besoin d’un Plan Académique ou un Plan Commerciel.

Obtenir Plan Académique
Le téléchargement du jeu est une fonctionnalité exclusive pour les utilisateurs avec un Plan Académique ou un Plan Commercial.

Obtenez votre Plan Académique ou Plan Commercial dès maintenant et commencez à intégrer vos jeux dans votre LMS, votre site Web ou votre blog.

Si vous le souhaitez, vous pouvez télécharger une jeu de test ici et tester son intégration:

Obtenir Plan Académique

SPARK - LRBA 3

Test

(3)
Parties jouées 34 %Précision 80 Temps moyen 08:09
Créer une copie

À propos de cette activité

Spark SQL - Manejo y Consulta de Datos Estructurados

Créé par

HR Mexico
HR Mexico
Mexico

Téléchargez la version pour jouer sur papier

Créez votre propre jeu gratuite à partir de notre créateur de jeu
Affrontez vos amis pour voir qui obtient le meilleur score dans ce jeu
Créer un défi

Top Jeux

 %
Anonyme
Anonyme
 %
%
%
Vous avez dépassé le nombre maximum de jeux que vous pouvez imprimer avec votre Plan actuel.

Pour imprimer autant de jeux que vous le souhaitez, vous avez besoin d’un Plan Académique ou un Plan Commerciel.

Obtenir Plan Académique
Imprimez votre jeu
SPARK - LRBA 3
 

SPARK - LRBA 3Version en ligne

Spark SQL - Manejo y Consulta de Datos Estructurados

par HR Mexico
1

¿Cuál es el rol principal de Catalyst Optimizer en Spark SQL?

2

En lectura de Parquet, ¿qué opción habilita predicate pushdown?

3

¿Cuál es la sintaxis para particionar al escribir un DataFrame?

4

¿Qué tipo de datos representa arrays anidados en esquemas?

5

En joins, ¿cuándo usar broadcast hint?

6

¿Qué función window computa ranking?

7

¿Qué habilita ACID en Spark SQL?

8

En streaming, ¿qué maneja datos tardíos?

9

¿Configuración activa AQE?

10

¿Buena práctica para UDFs de alto rendimiento?

11

¿Qué comando muestra plan de ejecución detallado?

12

En bucketing, ¿beneficia principalmente?

13

¿Ventaja de Datasets sobre DataFrames?

14

¿Qué evita múltiples filtros en cadena?

15

En Hive tables, ¿qué crea particiones dinámicas?

16

¿Métrica clave en Spark UI para skew?

17

¿Función para flatten arrays?

18

¿Configuración para partitions output?

19

En retail analytics, ¿particionamiento óptimo?

20

¿Extensión para metadatos persistentes?

Explicación

Catalyst aplica reglas como constant folding y join reordering para optimizar planes de ejecución.

Parquet soporta filtros en metadata, empujados antes de lectura completa

partitionBy crea directorios jerárquicos por valores de columna.

ArrayType(StructType()) para listas de objetos complejos.

Evita shuffle enviando tabla a todos ejecutores.

rank() asigna rangos dentro de particiones ordenadas.

Delta proporciona transacciones atómicas sobre Parquet.

withWatermark descarta datos fuera de ventana temporal.

AQE optimiza dinámicamente basado en estadísticas runtime.

Pandas UDFs aplican funciones a batches Pandas, acelerando 100x.

explain(extended) revela DAG con optimizaciones.

BucketBy hash-particiona para joins directos.

Datasets ofrecen chequeo estático de tipos.

Optimizador fusiona condiciones en where().

PARTITIONED BY habilita inserts dinámicos.

Desbalance en shuffle indica skew en keys.

explode() expande arrays a rows.

Controla tamaño y coalescing dinámico.

Prune por tiempo/localidad acelera queries comunes.

Hive Metastore persiste esquemas cross-sesiones.

 
Voulez-vous vraiment quitter la page ?

En quittant la page, vous perdrez la progression du jeu.