Aktualisierte Mar-2024 Test Engine zum Üben von Databricks-Certified-Professional-Data-Engineer Testfragen [Q48-Q63] : Kostenlose Prüfungen Dumps Materialien : http://exams.dumpsmaterials.com

Diese Seite wurde exportiert von Free Exams Dumps Materials [ http://exams.dumpsmaterials.com ]
Export date: Wed Feb 5 4:53:33 2025 / +0000 GMT

Aktualisierte Mar-2024 Test Engine zum Üben von Databricks-Certified-Professional-Data-Engineer Testfragen [Q48-Q63]

Aktualisierte Mar-2024 Test Engine zum Üben von Databricks-Certified-Professional-Data-Engineer Testfragen

Databricks-Certified-Professional-Data-Engineer Real Exam Questions Test Engine Dumps Training With 84 Questions

Die Prüfung zum Databricks Certified Professional Data Engineer ist eine strenge und umfassende Bewertung der Fähigkeiten eines Kandidaten bei der Entwicklung, Erstellung und Wartung von Datenpipelines auf der Databricks-Plattform. Die Databricks-Certified-Professional-Data-Engineer-Prüfung deckt ein breites Spektrum an Themen ab, darunter Datenspeicherung und -abruf, Datenverarbeitung, Datentransformation und Datenvisualisierung. Die Kandidaten werden auf ihre Fähigkeit geprüft, skalierbare und zuverlässige Datenarchitekturen zu entwerfen und zu implementieren, sowie auf ihre Kompetenz bei der Fehlersuche und Optimierung von Datenpipelines.

Q48. Welche der folgenden Schritte müssen bei verwalteten/externen Tabellen im Databricks-Arbeitsbereich durchgeführt werden, um Unity-Katalogfunktionen zu verwenden?

Aktivieren der Unity-Katalog-Funktion in den Arbeitsbereichseinstellungen

Migrieren/Aktualisieren von Objekten in vom Arbeitsbereich verwalteten/externen Tabellen/Views zum Unity-Katalog

Upgrade auf DBR Version 15.0

Daten aus dem Arbeitsbereich in den Unity-Katalog kopieren

Arbeitsbereich auf Unity-Katalog aktualisieren

Q49. Welche der folgenden Aussagen über den Deltasee und das Seehaus trifft zu?

Da Parquet die Daten zeilenweise komprimiert, werden Zeichenketten nur dann komprimiert, wenn ein Zeichen mehrmals wiederholt wird.

Delta Lake sammelt automatisch Statistiken über die ersten 32 Spalten jeder Tabelle, die beim Überspringen von Daten auf der Grundlage von Abfragefiltern genutzt werden.

Views im Lakehouse halten jederzeit einen gültigen Cache der aktuellsten Versionen der Quelltabellen.

Primär- und Fremdschlüssel-Beschränkungen können genutzt werden, um sicherzustellen, dass niemals doppelte Werte in eine Dimensionstabelle eingegeben werden.

Die Z-Ordnung kann nur auf numerische Werte angewendet werden, die in Delta Lake-Tabellen gespeichert sind.

Erläuterung
https://docs.delta.io/2.0.0/table-properties.html
Delta Lake sammelt automatisch Statistiken über die ersten 32 Spalten jeder Tabelle, die beim Überspringen von Daten auf der Grundlage von Abfragefiltern1 genutzt werden. Das Überspringen von Daten ist eine Technik zur Leistungsoptimierung, die darauf abzielt, das Lesen irrelevanter Daten aus der Speicherebene zu vermeiden1. Durch die Erfassung von Statistiken wie Min-/Max-Werten, Nullzählungen und Bloom-Filtern kann Delta Lake unnötige Dateien oder Partitionen effizient aus dem Abfrageplan entfernen1. Dies kann die Abfrageleistung erheblich verbessern und die E/A-Kosten senken.
Die anderen Optionen sind nämlich falsch:
Parquet komprimiert Daten spaltenweise, nicht zeilenweise2. Dies ermöglicht bessere Komprimierungsraten, insbesondere bei sich wiederholenden oder ähnlichen Werten innerhalb einer Spalte2.
Views im Lakehouse halten nicht zu jeder Zeit einen gültigen Cache der aktuellsten Versionen der Quelltabellen vor3. Views sind logische Konstrukte, die durch eine SQL-Abfrage auf einer oder mehreren Basistabellen definiert werden3. Views sind standardmäßig nicht materialisiert, d.h. sie speichern keine Daten, sondern nur die Abfragedefinition3. Daher spiegeln Views immer den neuesten Stand der Quelltabellen wider, wenn sie abgefragt werden3.
Ansichten können jedoch manuell mit den Befehlen CACHE TABLE oder CREATE TABLE AS SELECT zwischengespeichert werden.
Primär- und Fremdschlüsselbeschränkungen können nicht genutzt werden, um sicherzustellen, dass niemals doppelte Werte in eine Dimensionstabelle eingegeben werden. Delta Lake unterstützt die Durchsetzung von Primär- und Fremdschlüssel-Beschränkungen für Tabellen nicht. Constraints sind logische Regeln, die die Integrität und Gültigkeit der Daten in einer Tabelle definieren. Delta Lake verlässt sich auf die Anwendungslogik oder den Benutzer, um die Datenqualität und -konsistenz sicherzustellen.
Die Z-Ordnung kann auf alle in Delta Lake-Tabellen gespeicherten Werte angewendet werden, nicht nur auf numerische Werte. Z-Ordnung ist eine Technik zur Optimierung des Layouts der Datendateien durch Sortierung nach einer oder mehreren Spalten. Die Z-Ordnung kann die Abfrageleistung verbessern, indem sie zusammengehörige Werte zusammenfasst und ein effizienteres Überspringen von Daten ermöglicht. Z-order kann auf jede Spalte angewendet werden, die eine definierte Reihenfolge hat, wie z.B. numerische, String-, Datums- oder boolesche Werte.
Referenzen: Datenüberspringung, Parkettformat, Ansichten, [Zwischenspeicherung], [Beschränkungen], [Z-Ordnung]

Q50. Sie arbeiten an einer Anfrage des Marketing-Teams, um Kunden mit den gleichen Informationen zwischen zwei Tabellen CUSTOMERS_2021 und CUSTOMERS_2020 zu identifizieren. Jede Tabelle enthält 25 Spalten mit dem gleichen Schema. Sie möchten Zeilen identifizieren, die in allen Spalten zwischen den beiden Tabellen übereinstimmen.

1.SELECT * FROM KUNDEN_2021
2. UNION
3.SELECT * FROM KUNDEN_2020

1.SELECT * FROM KUNDEN_2021
2. UNION ALLE
3.SELECT * FROM KUNDEN_2020

1.SELECT * FROM KUNDEN_2021 C1
2.INNER JOIN KUNDEN_2020 C2
3.ON C1.KUNDEN_ID = C2.KUNDEN_ID

1.SELECT * FROM KUNDEN_2021
2. INTERSECT
3.SELECT * FROM KUNDEN_2020

1.SELECT * FROM KUNDEN_2021
2.AUSNAHME
3.SELECT * FROM KUNDEN_2020

Q51. Ein Data-Engineering-Team muss eine Delta-Tabelle abfragen, um Zeilen zu extrahieren, die alle dieselbe Bedingung erfüllen.
Allerdings hat das Team festgestellt, dass die Abfrage langsam läuft. Das Team hat die Größe der Abfrage bereits angepasst
Datendateien. Bei der Untersuchung kam das Team zu dem Schluss, dass die Zeilen, die diese Bedingung erfüllen, nur spärlich vorhanden sind
in jeder der Datendateien.
Welche der folgenden Optimierungstechniken könnte die Abfrage in diesem Szenario beschleunigen?

Einstellung der Dateigröße

Behälter-Verpackung

Überspringen von Daten

Schreiben als Parquet-Datei

Z-Reihenfolge

Q52. Der Datenarchitekt hat festgelegt, dass alle Tabellen im Lakehouse als externe Delta Lake-Tabellen konfiguriert werden sollen.
Welcher Ansatz wird sicherstellen, dass diese Anforderung erfüllt wird?

Stellen Sie bei der Konfiguration des Arbeitsbereichs sicher, dass der externe Cloud-Objektspeicher gemountet wurde.

Achten Sie bei der Erstellung einer Tabelle darauf, dass das Schlüsselwort location verwendet wird.

Wenn eine Datenbank erstellt wird, stellen Sie sicher, dass das Schlüsselwort location verwendet wird

Bei der Erstellung von Tabellen ist darauf zu achten, dass das Schlüsselwort external in der Anweisung create table verwendet wird.

Wenn Sie ein externes Data Warehouse für die Speicherung aller Tabellen konfigurieren, nutzen Sie Databricks für alle ELT.

Q53. Welcher der folgenden Befehle kann zur Abfrage einer Deltatabelle verwendet werden?

1.%python
2.spark.sql("select * from table_name")

1.%sql
2. select * from tabellenname

Beide A & B
(Richtig)

1.%python
2.execute.sql("select * from table")

1.%python
2.delta.sql("select * from table")

Q54. Wo werden die Ergebnisse interaktiver Notizbücher in Databricks Produktarchitektur gespeichert?

Datenebene

Steuerungsebene

Daten- und Steuerungsebene

JDBC-Datenquelle

Databricks Webanwendung

Q55. Frage 26. Es gibt 5000 verschiedenfarbige Kugeln, von denen 1200 rosafarben sind. Was ist die maximale
Likelihood-Schätzung für den Anteil der "rosafarbenen" Gegenstände in der Testmenge der Farbkugeln?

2.4

24 0

.24

.48

4.8

Q56. Das Data-Engineering-Team verwendet eine SQL-Abfrage zur täglichen Überprüfung der Datenvollständigkeit, um den ETL-Job zu überwachen, und die Abfrageausgabe wird in mehreren Dashboards verwendet. Welche der folgenden Methoden kann verwendet werden, um einen Zeitplan einzurichten und diesen Prozess zu automatisieren?

Sie können die Abfrage so planen, dass sie jeden Tag über die Benutzeroberfläche Jobs ausgeführt wird.

Sie können die Abfrage so planen, dass sie jeden Tag auf der Seite der Abfrage in Databricks SQL aktualisiert wird.

Sie können die Abfrage so planen, dass sie alle 12 Stunden über die Benutzeroberfläche Jobs ausgeführt wird.

Sie können die Abfrage so planen, dass sie jeden Tag auf der Seite des SQL-Endpunkts in Databricks SQL aktualisiert wird.

Sie können die Abfrage so planen, dass sie alle 12 Stunden über die Seite des SQL-Endpunkts in Databricks SQL aktualisiert wird.

Q57. Ein Data-Engineering-Manager hat festgestellt, dass jede der Abfragen in einem Databricks-SQL-Dashboard ein paar Minuten dauert.
Minuten auf die Aktualisierung warten, wenn sie manuell auf die Schaltfläche "Aktualisieren" klicken. Sie sind neugierig, woran das liegen könnte
Ein Teammitglied nennt eine Reihe von Gründen, warum es zu der Verzögerung kommt.
Welcher der folgenden Gründe erklärt nicht, warum die Aktualisierung des Dashboards einige Minuten dauern kann?

Die Abfragen, die mit dem Dashboard verbunden sind, können unter normalen Umständen einige Minuten in Anspruch nehmen

Die Abfragen, die mit dem Dashboard verbunden sind, können alle mit ihren eigenen, nicht gestarteten Databricks-Clustern verbunden sein

Der mit der Aktualisierung des Dashboards verbundene Auftrag verwendet möglicherweise einen nicht gepoolten Endpunkt

Der SQL-Endpunkt, der von den einzelnen Abfragen verwendet wird, braucht möglicherweise einige Minuten, um zu starten

Die Abfragen, die mit dem Dashboard verbunden sind, könnten zunächst prüfen, ob neue Daten verfügbar sind

Q58. Direkte Abfrage externer Dateien mit eingeschränkten Optionen, Erstellen externer Tabellen für CSV-Dateien mit Header- und Pipe-getrennten CSV-Dateien, Ausfüllen der Leerzeichen zur Vervollständigung der Tabellenanweisung CREATE TABLE sales (id int, unitsSold int, price FLOAT, items STRING)
________
________
LOCATION "dbfs:/mnt/sales/*.csv"

FORMAT CSV
OPTIONEN ("wahr","|")

VERWENDEN VON CSV
TYP ("wahr","|")

VERWENDEN VON CSV
OPTIONS ( header ="true", delimiter = "|")
(Richtig)

FORMAT CSV
FORMAT TYP ( Überschrift ="wahr", Trennzeichen = "|")

FORMAT CSV
TYPE ( header ="true", delimiter = "|")

Q59. Angenommen, es gibt drei Ereignisse, welche Formel muss dann immer gleich P(E1|E2,E3) sein?

P(E1,E2,E3)P(E1)/P(E2:E3)

P(E1,E2;E3)/P(E2,E3)

P(E1,E2|E3)P(E2|E3)P(E3)

P(E1,E2|E3)P(E3)

P(E1,E2,E3)P(E2)P(E3)

Q60. Ein junges Mitglied des Data-Engineering-Teams erforscht die Sprachinteroperabilität von Databricks Notebooks. Das beabsichtigte Ergebnis des nachstehenden Codes ist die Registrierung einer Ansicht aller Verkäufe, die in Ländern auf dem afrikanischen Kontinent getätigt wurden, die in der geo_lookuptable erscheinen.
Bevor der Code ausgeführt wird, zeigt die Ausführung vonSHOWTABLESauf der aktuellen Datenbank an, dass die Datenbank nur zwei Tabellen enthält: geo_lookupundales.

Welche Aussage beschreibt das Ergebnis der Ausführung dieser Befehlszellen in einem interaktiven Notizbuch richtig?

Beide Befehle werden erfolgreich sein. Die Ausführung von show tables zeigt, dass countries at und sales at als Ansichten registriert worden sind.

Cmd 1 wird erfolgreich sein. Cmd 2 sucht in allen zugänglichen Datenbanken nach einer Tabelle oder Ansicht mit dem Namen countries af: Wenn diese Entität existiert, ist Cmd 2 erfolgreich.

Cmd 1 wird erfolgreich sein und Cmd 2 wird fehlschlagen, countries at wird eine Python-Variable sein, die einen PySpark DataFrame darstellt.

Beide Befehle werden fehlschlagen. Es werden keine neuen Variablen, Tabellen oder Ansichten erstellt.

Cmd 1 wird erfolgreich sein und Cmd 2 wird fehlschlagen, countries at wird eine Python-Variable sein, die eine Liste von Strings enthält.

Q61. Sie haben festgestellt, dass ein Kollege das Notebook manuell mit _bkp kopiert, um die vorherigen Versionen zu speichern. Welche der folgenden Funktionen würden Sie stattdessen empfehlen?

Databricks Notebooks unterstützen Änderungsverfolgung und Versionierung

Databricks-Notebooks sollten auf einen lokalen Rechner kopiert und die Versionskontrolle lokal eingerichtet werden, um die Notebooks zu versionieren

Databricks Notebooks können in dbc-Archivdateien exportiert und im Data Lake gespeichert werden

Databricks Notizbuch kann als HTML exportiert und zu einem späteren Zeitpunkt importiert werden

Q62. Ein Dateningenieur hat einen Structured-Streaming-Auftrag so konfiguriert, dass er aus einer Tabelle liest, die Daten manipuliert und dann
einen Streaming-Schreibvorgang in eine neue Tabelle durchführen. Der vom Dateningenieur verwendete Codeblock ist unten dargestellt:
1. (spark.table("sales")
2. .withColumn("avg_price", col("sales") / col("units"))
3. .writeStream
4. .option("checkpointLocation", checkpointPath)
5. .outputMode("complete")
6. ._____
7. .tabelle("neue_umsätze")
8.)
Wenn der Dateningenieur möchte, dass die Abfrage nur einen einzigen Mikrostapel ausführt, um alle verfügbaren Daten zu verarbeiten,
Welche der folgenden Codezeilen sollte der Dateningenieur verwenden, um die Lücke auszufüllen?

.processingTime(1)

.processingTime("einmal")

.trigger(processingTime="once")

.trigger(once=True)

.trigger(continuous="once")

Q63. Welche der folgenden Vorteile bietet Delta Live Tables für ELT-Pipelines gegenüber Standard-Datenpipelines
die Spark und Delta Lake auf Databricks nutzen?

Die Fähigkeit, Pipelines in Python und/oder SQL zu schreiben

Die Möglichkeit, Datentabellen-Abhängigkeiten zu deklarieren und zu pflegen

Fähigkeit zur automatischen Skalierung von Rechenressourcen

Die Möglichkeit, auf frühere Versionen von Datentabellen zuzugreifen