Databricks Certified Data Engineer Associate Exam (Databricks-Certified-Data-Engineer-Associate日本語版) - Databricks-Certified-Data-Engineer-Associate日本語 Free Exam Questions

A. Databricks SQL Analytics

B. サーバーレスSQLウェアハウス

C. Databricks Runtime for ML

D. Databricksの求人情報

A. テーブルチームに対するすべての権限を営業チームに付与します。

B. テーブル販売に関するすべての権限をチームに付与する。

C. テーブル sales に対する SELECT 権限を team に付与します。

D. GRANT SELECT CREATE MODIFY ON TABLE sales TO team;

A. df = spark.readStream.format("cloud"),option("json").load("/input/path")

B. df = spark.readStream.format("json").load("input/path")

C. df = spark.readStream.format("cloudFiles") .option("cloudFiles.format", "json") .load("/input/path")

D. df = spark.read.json("inp i./path")

A. Unityカタログを使用すれば、データやノートブックを簡単に共有できます。

B. Delta Sharing を介して必要なデータセットとノートブックを共有します。Unity Catalog を介して権限を管理します。

C. GitHub を介してコードベースへのアクセスを共有し、データレイクからデータセットを取り込めるようにします。

D. すべてのコードを圧縮してメールで共有し、データレイクからのデータ取り込みを許可します。

A. 再生可能なソースとべき等なシンク

B. 構造化ストリーミングでは、各トリガーで処理されるデータのオフセット範囲を記録できません。

C. チェックポイントとべき等シンク

D. 先行書き込みログとべき等シンク

E. チェックポイントと先行書き込みログ

A. 監査目的のみで履歴データを保存する

B. ビジネス分析のためにデータを集約・拡充する

C. 後続処理のためにデータを検証、クリーニング、重複排除する

D. 元の状態の生データを最長で取得します

A. Unity カタログのリネージは、テーブルレベルでのリレーションシップの視覚化のみをサポートしており、ノートブック、ジョブ、ダッシュボードには拡張されません。

B. Unity Catalog は、Delta テーブル、ノートブック、ジョブ、ダッシュボード間の依存関係を視覚化するインタラクティブなグラフを提供するとともに、データ変換の列レベルの追跡もサポートします。

C. Unity Catalog のリネージは、Delta テーブル、ノートブック、ジョブ間の依存関係を視覚化しますが、列レベルのトレースやダッシュボードとの関連性は提供しません。

D. Unity カタログのリネージは、テーブルとノートブック間の依存関係を追跡するインタラクティブなグラフを提供しますが、ジョブ関連の依存関係やダッシュボードの視覚化は除外されます。

A. pyspark.sql.types.TimestampType

B. 日時

C. この情報をプログラムで表現して送信する方法はありません

D. Cron構文

E. pyspark.sql.types.DateType

A. dbfs:/user/hive/customer360

B. 正しい答えを判断するには、さらに情報が必要です

C. dbfs:/user/hive/database/customer360

D. dbfs:/user/hive/warehouse

A. 各テーブルで CLUSTER BY を使用してリキッドクラスタリングを有効にすると、スケジュールに基づいてファイルが自動的に圧縮され、古いファイルが削除されます。

B. スキーマ進化を有効にしてオートローダーを設定すると、各取り込みバッチの後に自動的にOPTIMIZEとVACUUMがトリガーされます。

C. delta.autoOptimize.autoCompact および delta.autoOptimize.optimizeWrite テーブル プロパティを設定して、自動 VACUUM およびファイル圧縮をトリガーします。

D. アカウント、カタログ、またはスキーマ レベルで予測最適化を有効にすると、Databricks が管理対象テーブルのメンテナンス操作を自動的に識別して実行します。

A. パイプラインを再実行する

B. タスクを修復する

C. クラスターを切り替える

D. クラスターを再起動します

A. まず外部テーブルを削除してファイルを削除し、次に管理対象テーブルを削除してリカバリのためにファイルを保持します。

B. 管理対象ステージングテーブルを削除してデータとメタデータを削除し、外部テーブルを削除してメタデータのみを削除します。

C. すべてのテーブルを削除します。Databricks は、管理対象テーブルと外部テーブルの両方のメタデータのみを削除します。

D. 一時的な管理対象テーブルと外部テーブルを削除します。両方のファイルは7日間保持されます。

A. Category_sale: .es df -agg (sum ("sales amount") .-;r*i:rRy ("category") .alias ("total sa.en amount"))

B. Category_sales = sales_df.sum("3ales_amount"). g-1- upBy("categcryn).alias("toLal_sales_amount))

C. Category_sales = sales df.groupBy("category").agg(sum("sales amount") .alias ("total sales amount"))

D. Category_sales = sales_df.groupBy("reqion"). agq(sum("sales_amountn").alias(ntotal_sales_amount''))

A. スキーマ強制付きのデルタテーブルを使用し、新しい列が追加されるたびにテーブルを再作成します。

B. CSV ファイルのスキーマ推論に Auto Loader を使用した外部テーブルを使用します。

C. Sparkのデフォルトのスキーマ推論を使用してParquetテーブルを使用し、スキーマが変更されるたびにジョブを再実行します。

D. Deltaテーブルをネイティブのスキーマ強制、スキーマ進化、テーブル履歴機能とともに使用します。

A. 単一タスクジョブクラスタを使用してジョブを作成し、インスタンスファミリーと最小/最大ワーカーを手動で設定します。

B. Pro SQLウェアハウスを使用し、Pythonノートブックタスクをパイプラインステップとして実行するようにスケジュールします。

C. 標準サイズを適用し、オートスケーリングを有効にするクラスタポリシーを備えた汎用クラスタを使用します。

D. ワークフロー構成のためにサーバーレスコンピューティングでジョブを実行し、Unity Catalogが有効になっていることと、リージョンサポートが利用可能であることを確認します。