30 Top Interview Questions and Answers (2024)

Ques 1

How can you perform the join operation in PySpark?

You can use the 'join' method on DataFrames. For example, df1.join(df2, df1['key'] == df2['key'], 'inner') performs an inner join on 'key'.

Example:

result = df1.join(df2, df1['key'] == df2['key'], 'inner')

Simpan untuk Revisi

Bookmark item ini, tandai sebagai sulit, atau masukkan ke dalam set revisi.

Buka Perpustakaan Belajar Saya

Apakah ini membantu? Ya Tidak

Add Comment View Comments

Ques 2

What is the role of the 'broadcast' variable in PySpark?

A 'broadcast' variable is used to cache a read-only variable in each node of a cluster to enhance the performance of joins.

Example:

from pyspark.sql.functions import broadcast

result = df1.join(broadcast(df2), 'key')

Simpan untuk Revisi

Bookmark item ini, tandai sebagai sulit, atau masukkan ke dalam set revisi.

Buka Perpustakaan Belajar Saya

Apakah ini membantu? Ya Tidak

Add Comment View Comments

Ques 3

Explain the significance of the 'window' function in PySpark.

The 'window' function in PySpark is used for defining windows over data based on partitioning and ordering, often used with aggregation functions.

Example:

from pyspark.sql.window import Window
from pyspark.sql.functions import row_number

window_spec = Window.orderBy('column')
result = df.withColumn('row_num', row_number().over(window_spec))

Simpan untuk Revisi

Bookmark item ini, tandai sebagai sulit, atau masukkan ke dalam set revisi.

Buka Perpustakaan Belajar Saya

Apakah ini membantu? Ya Tidak

Add Comment View Comments

Ques 4

Explain the concept of 'checkpointing' in PySpark.

'Checkpointing' is a mechanism in PySpark to truncate the lineage of a RDD or DataFrame by saving it to a reliable distributed file system.

Example:

spark.sparkContext.setCheckpointDir('hdfs://path/to/checkpoint')
df_checkpointed = df.checkpoint()

Simpan untuk Revisi

Bookmark item ini, tandai sebagai sulit, atau masukkan ke dalam set revisi.

Buka Perpustakaan Belajar Saya

Apakah ini membantu? Ya Tidak

Add Comment View Comments

Ques 5

How can you handle skewed data in PySpark?

You can use techniques like salting, bucketing, or using the 'broadcast' hint to handle skewed data in PySpark.

Example:

df.write.option('skew_hint', 'true').parquet('output_path')

Simpan untuk Revisi

Bookmark item ini, tandai sebagai sulit, atau masukkan ke dalam set revisi.

Buka Perpustakaan Belajar Saya

Apakah ini membantu? Ya Tidak

Add Comment View Comments

Ques 6

Explain the purpose of the 'window' function in PySpark.

The 'window' function is used for defining windows over data based on partitioning and ordering, often used with aggregation functions.

Example:

from pyspark.sql.window import Window
from pyspark.sql.functions import sum

window_spec = Window.partitionBy('category').orderBy('value')
result = df.withColumn('sum_value', sum('value').over(window_spec))

Simpan untuk Revisi

Bookmark item ini, tandai sebagai sulit, atau masukkan ke dalam set revisi.

Buka Perpustakaan Belajar Saya

Apakah ini membantu? Ya Tidak

Add Comment View Comments

Ques 7

Explain the concept of 'broadcast' variables in PySpark.

'Broadcast' variables are read-only variables cached on each node of a cluster to efficiently distribute large read-only data structures.

Example:

from pyspark.sql.functions import broadcast

result = df1.join(broadcast(df2), 'key')

Simpan untuk Revisi

Bookmark item ini, tandai sebagai sulit, atau masukkan ke dalam set revisi.

Buka Perpustakaan Belajar Saya

Apakah ini membantu? Ya Tidak

Add Comment View Comments

Ques 8

Explain the role of the 'broadcast' variable in PySpark.

A 'broadcast' variable is used to cache a read-only variable in each node of a cluster to enhance the performance of joins.

Example:

from pyspark.sql.functions import broadcast

result = df1.join(broadcast(df2), 'key')

Simpan untuk Revisi

Bookmark item ini, tandai sebagai sulit, atau masukkan ke dalam set revisi.

Buka Perpustakaan Belajar Saya

Apakah ini membantu? Ya Tidak

Add Comment View Comments

Ques 9

What is the purpose of the 'accumulator' in PySpark?

An 'accumulator' is a variable that can be used in parallel operations and is updated by multiple tasks. It is typically used for implementing counters or sums in distributed computing.

Example:

accumulator = spark.sparkContext.accumulator(0)

# Inside a transformation or action
accumulator.add(1)

Simpan untuk Revisi

Bookmark item ini, tandai sebagai sulit, atau masukkan ke dalam set revisi.

Buka Perpustakaan Belajar Saya

Apakah ini membantu? Ya Tidak

Add Comment View Comments

Ques 10

Explain the use of the 'broadcast' hint in PySpark.

The 'broadcast' hint is used to explicitly instruct PySpark to use a broadcast join strategy for better performance, especially when one DataFrame is significantly smaller than the other.

Example:

from pyspark.sql.functions import broadcast

result = df1.join(broadcast(df2), 'key')

Simpan untuk Revisi

Bookmark item ini, tandai sebagai sulit, atau masukkan ke dalam set revisi.

Buka Perpustakaan Belajar Saya

Apakah ini membantu? Ya Tidak

Add Comment View Comments

Ques 11

How can you handle data skewness in PySpark?

Data skewness can be handled by using techniques like salting, bucketing, or using the 'broadcast' hint to distribute data more evenly across partitions.

Example:

df.write.option('skew_hint', 'true').parquet('output_path')

Bangun keterampilan dengan jalur belajar terfokus, tes simulasi, dan konten siap wawancara.

Interview Questions and Answers

The Best LIVE Mock Interview - You should go through before interview

Interview Questions and Answers

Experienced / Expert level questions & answers

How can you perform the join operation in PySpark?

Simpan untuk Revisi

What is the role of the 'broadcast' variable in PySpark?

Simpan untuk Revisi

Explain the significance of the 'window' function in PySpark.

Simpan untuk Revisi

Explain the concept of 'checkpointing' in PySpark.

Simpan untuk Revisi

How can you handle skewed data in PySpark?

Simpan untuk Revisi

Explain the purpose of the 'window' function in PySpark.

Simpan untuk Revisi

Explain the concept of 'broadcast' variables in PySpark.

Simpan untuk Revisi

Explain the role of the 'broadcast' variable in PySpark.

Simpan untuk Revisi

What is the purpose of the 'accumulator' in PySpark?

Simpan untuk Revisi

Explain the use of the 'broadcast' hint in PySpark.

Simpan untuk Revisi

How can you handle data skewness in PySpark?

Simpan untuk Revisi

Most helpful rated by users:

Related interview subjects

All interview subjects

WithoutBook