Free Databricks Databricks-Certified-Professional-Data-Engineer Korean Practice Test & Real Exam Questions, Page 6

Question #51

DevOps 팀은 Jobs UI를 사용하여 매일 실행되도록 예약된 노트북 모음으로 프로덕션 워크로드를 구성했습니다. 새로 합류한 데이터 엔지니어가 프로덕션 로직을 검토하기 위해 이러한 노트북 중 하나에 대한 액세스 권한을 요청했습니다.
운영 중인 코드나 데이터가 실수로 변경되는 것을 방지하면서 사용자에게 부여할 수 있는 최대 노트북 권한은 얼마입니까?

A. 읽을 수 있음

B. 관리 가능

C. 편집 가능

D. 실행 가능

Discussion 0

Correct Answer: A Vote an answer

Explanation: Only visible for Pass4Leader members. You can sign-up / login (it's free).

Question #52

PySpark에서 ETL 코드에 DataFrame 변환을 사용하는 모듈식 및 테스트 가능한 방법을 보여주는 접근 방식은 무엇입니까?

A. def transform_data(input_df):
# transformation logic here
return output_df
test_input = spark.createDataFrame([(1, " a " )], [ " id " , " value " ]) assertDataFrameEqual(transform_data(test_input), expected)

B. def upper_value(df):
return df.withColumn( " value_upper " , upper(col( " value " )))
def filter_positive(df):
return df.filter(df[ " id " ] > 0)
pipeline_df = df.transform(upper_value).transform(filter_positive)

C. class Pipeline:
def transform(self, df):
return df.withColumn( " value_upper " , upper(col( " value " )))
pipeline = Pipeline()
assertDataFrameEqual(pipeline.transform(test_input), expected)

D. def upper_transform(df):
return df.withColumn( " value_upper " , upper(col( " value " )))
actual = test_input.transform(upper_transform)
assertDataFrameEqual(actual, expected)

Discussion 0

Correct Answer: B Vote an answer

Explanation: Only visible for Pass4Leader members. You can sign-up / login (it's free).

Question #53

데이터 엔지니어링 팀은 수천 개의 테이블과 뷰를 포함하는 엔터프라이즈 시스템을 레이크하우스로 마이그레이션하고 있습니다. 그들은 브론즈, 실버, 골드 테이블을 순차적으로 사용하여 목표 아키텍처를 구현할 계획입니다.
브론즈 테이블은 주로 프로덕션 데이터 엔지니어링 워크로드에 사용되고, 실버 테이블은 데이터 엔지니어링 및 머신 러닝 워크로드를 모두 지원하는 데 사용됩니다. 골드 테이블은 주로 비즈니스 인텔리전스 및 보고 목적으로 사용됩니다. 모든 데이터 계층에 개인 식별 정보(PII)가 존재하지만, 실버 및 골드 계층의 모든 데이터에는 가명화 및 익명화 규칙이 적용됩니다.
해당 조직은 다양한 팀 간의 협업 능력을 극대화하면서 보안 문제를 줄이는 데 관심이 있습니다.
다음 중 이 시스템 구현을 위한 모범 사례를 보여주는 문장은 무엇입니까?

A. 데이터 품질 등급에 따라 테이블을 별도의 데이터베이스에 격리하면 데이터베이스 ACL을 통해 권한 관리가 용이해지고 관리 대상 테이블의 기본 저장 위치를 물리적으로 분리할 수 있습니다.

B. Databricks의 데이터베이스는 단순히 논리적 구조이기 때문에 데이터베이스 구성에 대한 선택은 Lakehouse의 보안이나 검색 가능성에 영향을 미치지 않습니다.

C. 기본 Databricks 데이터베이스에서 작업하면 관리형 테이블을 사용할 때 가장 높은 보안을 제공합니다. 이러한 테이블은 DBFS 루트에 생성되기 때문입니다.

D. 모든 테이블은 생성된 데이터베이스에 사용되는 동일한 스토리지 컨테이너에 있어야 하므로, 조직은 데이터 격리 요구 사항에 따라 수십 개에서 수천 개의 데이터베이스를 생성할 준비를 해야 합니다.

E. Storinq는 모든 프로덕션 테이블을 단일 데이터베이스에 저장하여 레이크하우스 전체에서 사용 가능한 모든 데이터 자산에 대한 통합된 보기를 제공하고, 모든 사용자에게 해당 데이터베이스에 대한 보기 권한을 부여하여 검색을 간소화합니다.

Discussion 0

Correct Answer: A Vote an answer

Explanation: Only visible for Pass4Leader members. You can sign-up / login (it's free).

Question #54

데이터 엔지니어가 대규모 ETL 파이프라인을 위해 Databricks CLI를 사용하여 클러스터를 생성하려고 합니다. 이 클러스터는 5개의 워커, i3.xlarge 유형의 드라이버 1개, 그리고 '14.3.x-scala2.12' 런타임을 사용해야 합니다.
데이터 엔지니어는 어떤 명령어를 사용해야 할까요?

A. databricks compute add 14.3.x-scala2.12 --num-workers 5 --node-type-id i3.xlarge --cluster-name Data Engineer_cluster

B. databricks compute create 14.3.x-scala2.12 --num-workers 5 --node-type-id i3.xlarge --cluster-name Data Engineer_cluster

C. databricks clusters create 14.3.x-scala2.12 --num-workers 5 --node-type-id i3.xlarge --cluster-name DataEngineer_cluster

D. databricks clusters add 14.3.x-scala2.12 --num-workers 5 --node-type-id i3.xlarge --cluster-name Data Engineer_cluster

Discussion 0

Correct Answer: B Vote an answer

Explanation: Only visible for Pass4Leader members. You can sign-up / login (it's free).

Question #55

데이터 엔지니어가 databricks.yml 파일에 여러 대상을 설정하여 Databricks Asset Bundle을 구성하고 프로덕션 워크스페이스에 배포했습니다. 이제 배포를 검증하기 위해 프로덕션 대상 컨텍스트 내에서 my_project_job이라는 이름의 작업을 실행해야 합니다. 작업이 이미 배포되었다고 가정하면, 대상별 구성이 제대로 적용되도록 하면서 작업을 실행해야 합니다.
어떤 명령어가 작업 실행을 시작할까요?

A. databricks run my_project_job -t prod

B. databricks bundle run my_project_job -t prod

C. databricks 작업 실행 my_project_job --env prod

D. databricks에서 my_project_job -e prod를 실행합니다.

Discussion 0

Correct Answer: B Vote an answer

Explanation: Only visible for Pass4Leader members. You can sign-up / login (it's free).

Question #56

데이터 팀이 배치 데이터와 스트리밍 데이터를 모두 처리하는 추가 전용 Delta Lake 파이프라인을 구현하고 있습니다. 이들은 소스 데이터의 스키마 변경 사항이 파이프라인을 중단시키지 않고 자동으로 반영되도록 하려고 합니다.
팀은 Delta 테이블에 데이터를 기록할 때 어떤 구성을 사용해야 할까요?

A. mergeSchema = true

B. validateSchema = false

C. ignoreChanges = false

D. 스키마 덮어쓰기 = true

Discussion 0

Correct Answer: A Vote an answer

Question #57

Delta Lake 테이블은 사용자 콘텐츠 게시물에 대한 메타데이터를 나타내며 다음과 같은 스키마를 가집니다.
user_id LONG, post_text STRING, post_id STRING, longitude FLOAT, latitude FLOAT, post_time TIMESTAMP, date DATE 이 테이블은 날짜 열을 기준으로 파티션되어 있습니다. 다음 필터를 사용하여 쿼리를 실행합니다.
경도 < 20 및 경도 > -20
데이터 필터링 방법을 설명하는 문장은 무엇입니까?

A. Delta Engine은 트랜잭션 로그의 행 수준 통계를 사용하여 필터 기준을 충족하는 플라이를 식별합니다.

B. 델타 로그의 통계는 필터링된 범위에 포함된 레코드가 있을 수 있는 데이터 파일을 식별하는 데 사용됩니다.

C. 최적화 프로그램이 파티션 열과 경도 간의 관계를 알지 못하므로 파일 건너뛰기가 발생하지 않습니다.

D. 델타 로그의 통계는 필터링된 범위에 파일이 포함될 수 있는 파티션을 식별하는 데 사용됩니다.

E. Delta Engine은 파케트 파일의 바닥글을 스캔하여 필터 기준을 충족하는 각 행을 식별합니다.

Discussion 0

Correct Answer: B Vote an answer

Explanation: Only visible for Pass4Leader members. You can sign-up / login (it's free).

Question #58

저장 및 컴퓨팅 비용을 줄이기 위해 데이터 엔지니어링 팀은 비즈니스 인텔리전스 대시보드, 고객 대면 애플리케이션, 프로덕션 머신 러닝 모델 및 임시 분석 쿼리에서 활용되는 일련의 집계 테이블을 관리하는 임무를 맡았습니다.
데이터 엔지니어링 팀은 고객 대면 애플리케이션에서 새로운 요구 사항이 발생했음을 알게 되었습니다. 이 애플리케이션은 해당 팀이 전적으로 관리하는 유일한 하위 워크로드입니다. 따라서 조직 전체의 여러 팀에서 사용하는 집계 테이블의 필드 이름을 변경하고 새 필드를 추가해야 합니다.
관리해야 할 테이블 수를 늘리지 않으면서 조직 내 다른 팀에 미치는 영향을 최소화하는 해결책은 무엇입니까?

A. 테이블 스키마 및 필드 이름이 지정된 날짜에 변경될 예정임을 모든 사용자에게 알리는 경고 메시지를 테이블에 추가합니다. 고객에게 제공되는 애플리케이션의 사양에 따라 테이블을 제자리에서 덮어씁니다.

B. 테이블 스키마가 변경될 예정임을 모든 사용자에게 공지하고, 기존 쿼리와 일치하도록 새 테이블 스키마로 되돌리는 데 필요한 로직을 공지에 포함시키십시오.

C. 필요한 스키마와 새 필드를 사용하여 새 테이블을 생성하고 Delta Lake의 딥 클론 기능을 사용하여 한 테이블에 커밋된 변경 사항을 해당 테이블에 동기화합니다.

D. 필요한 모든 필드와 새 이름을 사용하여 새 테이블을 구성하고 이를 고객 대면 애플리케이션의 소스로 사용합니다. 새 테이블에서 선택한 필드에 별칭을 지정하여 원래 데이터 스키마와 테이블 이름을 유지하는 뷰를 생성합니다.

E. 현재 테이블 정의를 집계 테이블에 기록하는 쿼리 로직으로 정의된 논리적 뷰로 교체하고, 고객 대면 애플리케이션에 필요한 새 테이블을 생성합니다.

Discussion 0

Correct Answer: D Vote an answer

Explanation: Only visible for Pass4Leader members. You can sign-up / login (it's free).

Question #59

user_ltv라는 이름의 테이블은 여러 팀의 데이터 분석에 사용될 뷰를 생성하는 데 사용되고 있습니다.
워크스페이스의 사용자들은 그룹으로 구성되며, 이 그룹은 ACL을 사용하여 데이터 접근 권한을 설정하는 데 사용됩니다.
user_ltv 테이블은 다음과 같은 스키마를 가지고 있습니다.

다음 쿼리를 실행하는 감사 그룹의 구성원이 아닌 사람을 분석합니다.

이 쿼리의 결과는 무엇일까요?

A. 18세 이상인 기록의 경우 모든 열이 정상적으로 표시되며, 이 조건을 충족하지 않는 기록은 생략됩니다.

B. 모든 열의 모든 레코드가 user_ltv의 값과 함께 표시됩니다.

C. 18세 미만의 모든 연령 값은 null 값으로 반환됩니다. 나머지 열은 user_ltv의 값으로 반환됩니다.

D. 나이가 17세 이상인 기록의 경우 모든 열이 정상적으로 표시되며, 이 조건을 충족하지 않는 기록은 생략됩니다.

Discussion 0

Correct Answer: A Vote an answer

Explanation: Only visible for Pass4Leader members. You can sign-up / login (it's free).

Question #60

분산된 데이터 분석가 팀이 자동 확장이 구성된 대화형 클러스터에서 컴퓨팅 리소스를 공유합니다. 워크스페이스 관리자는 비용과 쿼리 처리량을 더 효율적으로 관리하기 위해 클러스터 확장이 동시 사용자 수 증가 때문인지 아니면 리소스 집약적인 쿼리 때문인지 평가하고자 합니다.
클러스터 크기 조정 이벤트의 타임라인은 어디에서 확인할 수 있나요?

A. 운전자의 로그 파일

B. 작업 공간 감사 로그

C. 실행기 로그 파일

D. 신경절

E. 클러스터 이벤트 로그

Discussion 0

Correct Answer: E Vote an answer

Free Databricks Databricks-Certified-Professional-Data-Engineer Korean Practice Test & Real Exam Questions

Download Free Databricks Databricks-Certified-Professional-Data-Engineer Korean Demo