최신Databricks Certified Professional Data Engineer Exam (Databricks-Certified-Professional-Data-Engineer Korean Version) - Databricks-Certified-Professional-Data-Engineer Korean무료샘플문제

A. 회계 기간, 분기, 월, 요일, 휴일 등의 속성을 미리 계산합니다.

B. 서로 다른 달력 시스템(회계연도, 학사연도 등)에 대해 별도의 차원 테이블을 생성합니다.

C. 가독성을 위해 날짜를 YYYY-MM-DD 형식의 문자열로 저장합니다.

D. 날짜 값만 저장하고 쿼리에서 모든 시간 속성을 동적으로 계산합니다.

A. Delta Lake는 벡터화된 Parquet 리더를 사용하여 데이터 건너뛰기 및 파일 정리를 지원합니다.

B. ORC 테이블에 대한 쿼리는 동적 데이터 건너뛰기 최적화는 활용했지만 동적 파일 가지치기 최적화는 활용하지 않았습니다.

C. Delta Lake 테이블에 대한 쿼리는 동적 파일 가지치기 최적화를 활용할 수 있었습니다.

D. 셔플 해시 조인은 정렬 병합 조인보다 항상 더 효율적입니다.

A. 이 워크스페이스에서 작업 정의가 실행된 횟수입니다.

B. 새로 시작된 실행의 전역적으로 고유한 ID입니다.

C. 작업 ID와 작업 실행 횟수를 연결하여 반환합니다.

D. 이 필드에 job_id가 반환됩니다.

A. 작업 공간

B. 일자리

C. 도서관

D. fs

E. 구성

A. 이메일 및 LTV 열에는 사용자 ITV 값이 반환됩니다.

B. 이메일, 나이, LTV 열은 사용자 LTV 값과 함께 반환됩니다.

C. 이메일과 ITV 열만 반환되며, 이메일 열에는 모든 값이 null로 표시됩니다.

D. 세 개의 열이 반환되지만, 그중 한 열은 "삭제됨"이라는 이름으로 표시되고 null 값만 포함됩니다.

E. 이메일과 LTV 열만 반환됩니다. 이메일 열의 각 행에는 "REDACTED" 문자열이 포함됩니다.

A. bpm_stats에서 파이프라인, 재설정, 허용 속성을 false로 설정합니다.

B. SkipChangeCommits 플래그를 true로 설정 raw_lot

C. raw_iot에서 파이프라인, 재설정, 허용 속성을 false로 설정합니다.

D. bpm_stats에서 skipChangeCommits 플래그를 true로 설정하세요

A. Databricks 환경에서 Python은 항상 Scala보다 느리게 실행됩니다. run.py 스크립트를 Scala로 리팩토링해야 합니다.

B. %sh는 파일 이동 작업을 분산 처리하지 않습니다. 마지막 코드 줄을 %fs를 사용하도록 업데이트해야 합니다.

C. %sh는 Git을 수집 및 설치하기 위해 클러스터 재시작을 트리거합니다. 지연 시간의 대부분은 클러스터 시작 시간과 관련이 있습니다.

D. 클론하는 대신, `%sh pip install` 명령어를 사용하여 Python 코드가 클러스터의 모든 노드에서 병렬로 실행될 수 있도록 해야 합니다.

E. %sh는 드라이버 노드에서 셸 코드를 실행합니다. 이 코드는 워커 노드나 Databricks 최적화 Spark의 이점을 활용하지 않습니다.

A. ,sys.path

B. os-path

C. pylib.source

D. pypi.path

E. importlib.resource 경로

A. alone 명령어를 사용하여 기존 파이프라인의 복사본을 생성하고, get JSON 명령어를 사용하여 파이프라인 정의를 가져온 다음, 이를 Git에 저장합니다.

B. get 명령어를 사용하여 기존 파이프라인의 설정을 가져옵니다. pipeline_id를 제거하고 파이프라인 이름을 변경한 다음, 이를 create 명령어에 사용합니다.

C. 기존 파이프라인을 중지하고, 반환된 설정을 재설정 명령에 사용합니다.

D. 파이프라인 목록을 사용하여 모든 파이프라인의 사양을 가져옵니다. 반환된 결과를 파싱하여 파이프라인 사양을 가져온 다음, 이를 사용하여 파이프라인을 생성합니다.

A. from delta.tables import *
deltaTable = DeltaTable.forPath(spark, " /mnt/data/my_table " )
deltaTable.deletedFileRetentionDuration = " interval 15 days "

B. spark.conf.set( " spark.databricks.delta.deletedFileRetentionDuration " , " 15 days " )

C. spark.sql( " VACUUM my_table RETAIN 15 HOURS " )

D. spark.sql( " " "
ALTER TABLE my_table
SET TBLPROPERTIES ( ' delta.deletedFileRetentionDuration ' = ' interval 15 days ' )
" " " )

A. 동일한 노트북 내에서 단위 테스트와 함수를 정의합니다.

B. 별도의 Databricks 노트북에서 단위 테스트 함수를 정의하고 가져옵니다.

C. 저장소의 파일을 사용하여 함수를 정의하고 단위 테스트를 수행합니다.

D. 프로덕션 환경과 매우 유사한 비프로덕션 데이터를 사용하여 단위 테스트를 실행합니다.

A. import dlt
@dlt.table
def raw_customers():
return spark.read.format( " parquet " ).load( " s3://my-bucket/raw-customers/ " )

B. import dlt
@dlt.table
def raw_customers():
return spark.read.format( " csv " ).load( " s3://my-bucket/raw-customers/ " )

C. import dlt
@dlt.view
def raw_customers():
return spark.format.json( " s3://my-bucket/raw-customers/ " )

D. import dlt
@dlt.table
def raw_customers():
return spark.read.json( " s3://my-bucket/raw-customers/ " )