Databricks-Certified-Professional-Data-Engineer試験問題集[Q48-Q63] : 無料試験問題集 : http://exams.dumpsmaterials.com

このページはFree Exams Dumps Materialsからエクスポートされました。 [ http://exams.dumpsmaterials.com ]
Export date: Wed Feb 5 7:42:15 2025 / +0000 GMT

2024年3月Databricks-Certified-Professional-Data-Engineer試験問題集[Q48-Q63]を練習するためのテストエンジンを更新しました。

Databricks-Certified-Professional-Data-Engineer試験問題集を練習するための2024年3月更新のテスト・エンジン

84の質問が付いているDatabricks-Certified-Professional-Data-Engineerの実際の試験問題のテストエンジンのダンプの訓練

Databricks 認定プロフェッショナルデータエンジニア試験は、Databricks プラットフォーム上でのデータパイプラインの設計、構築、および保守に関する受験者のスキルを厳格かつ包括的に評価するものです。Databricks-Certified-Professional-Data-Engineer 試験は、データの保存と検索、データ処理、データ変換、データ可視化など、幅広いトピックをカバーしています。受験者は、スケーラブルで信頼性の高いデータアーキテクチャを設計して実装する能力、およびデータパイプラインのトラブルシューティングと最適化の熟練度をテストされます。

Q48. Unityカタログ機能を使用するには、Databricksワークスペースの管理テーブル/外部テーブルで次のどの手順を実行する必要がありますか？

ワークスペース設定でユニティ・カタログ機能を有効にする

ワークスペース管理/外部テーブル/ビューのオブジェクトをunityカタログに移行/アップグレードする

DBRバージョン15.0へのアップグレード

ワークスペースからunityカタログにデータをコピーする

ワークスペースをUnityカタログにアップグレードする

Q49. デルタ湖とレイクハウスについて正しいのはどれか？

Parquetは行ごとにデータを圧縮するため、文字列は文字が複数回繰り返される場合にのみ圧縮される。

Delta Lakeは、各テーブルの最初の32カラムの統計情報を自動的に収集し、クエリフィルタに基づくデータスキップに活用する。

レイクハウスのビューは、ソース・テーブルの最新バージョンの有効なキャッシュを常に維持します。

プライマリ・キー制約および外部キー制約を活用して、ディメンジョン・テーブルに重複した値が入力されないようにできます。

Zオーダーは、デルタ・レイク・テーブルに格納された数値にのみ適用できる。

説明
https://docs.delta.io/2.0.0/table-properties.html
Delta Lakeは、各テーブルの最初の32カラムの統計情報を自動的に収集し、クエリフィルタに基づくデータスキッピングに活用する1。データスキッピングは、ストレージレイヤーから無関係なデータの読み込みを回避することを目的としたパフォーマンス最適化手法です1。最小/最大値、ヌルカウント、ブルームフィルターなどの統計情報を収集することで、デルタレイクはクエリプランから不要なファイルやパーティションを効率的に削除することができます1。これにより、クエリ性能を大幅に改善し、I/Oコストを削減することができます。
他の選択肢は偽だからだ：
Parquetは、行単位ではなく列単位でデータを圧縮します2。これにより、特に列内で繰り返される値や類似した値の圧縮率が向上します2。
Lakehouse のビューは、ソース・テーブルの最新バージョンの有効なキャッシュを常に保持しているわけではありません3。ビューは、1 つ以上のベース・テーブルに対する SQL クエリによって定義される論理構造体です3。ビューはデフォルトではマテリアライズされません。つまり、データは保存されず、クエリ定義のみが保存されます3。つまり、ビューはデータを格納せず、クエリ定義のみを格納します3。したがって、ビューはクエリが実行されると、ソース・テーブルの最新の状態を常に反映します3。
しかし、ビューはCACHE TABLEコマンドやCREATE TABLE AS SELECTコマンドを使用して手動でキャッシュすることができます。
プライマリ・キー制約と外部キー制約は、ディメンジョン・テーブルに重複した値が入力されないように活用することはできません。Delta Lake は、テーブルに対するプライマリおよび外部キー制約の強制をサポートしていません。制約は、テーブル内のデータの整合性と妥当性を定義する論理ルールです。Delta Lake は、データ品質と一貫性を保証するために、アプリケーションロジックまたはユーザーに依存しています。
Z-order は、数値だけでなく、デルタレイクのテーブルに保存されているあらゆる値に適用することができます。Z-order は、1つ以上の列でソートすることにより、データファイルのレイアウトを最適化するテクニックです。Z-orderは、関連する値を一緒にクラスタリングし、より効率的なデータスキップを可能にすることで、クエリのパフォーマンスを向上させることができます。Z-order は、数値、文字列、日付、ブール値など、定義された順序を持つすべての列に適用できます。
参考文献データスキップ、パーケットフォーマット、ビュー、[キャッシュ]、[制約]、[Z-オーダリング］

Q50. あなたはマーケティングチームからの依頼で、2つのテーブルCUSTOMERS_2021とCUSTOMERS_2020の間で同じ情報を持つ顧客を特定する作業を行っています。

1.select * from customers_2021
2.ユニオン
3.select * from customers_2020

1.select * from customers_2021
2.ユニオン・オール
3.select * from customers_2020

1.select * from customers_2021 c1
2.inner join 顧客_2020 c2
3.on c1.customer_id = c2.customer_id

1.select * from customers_2021
2.インターセクト
3.select * from customers_2020

1.select * from customers_2021
2.除く
3.select * from customers_2020

Q51. データ・エンジニアリング・チームは、同じ条件を満たす行を抽出するために、デルタ・テーブルをクエリする必要がある。
しかし、チームはクエリの実行速度が遅いことに気づいた。チームはすでに
のデータファイルである。調査の結果、この条件を満たす行がまばらに配置されていることが判明した。
各データファイルを通して。
シナリオに基づいて、次の最適化テクニックのどれがクエリを高速化できるか？

ファイルサイズの調整

ビン詰め

データスキップ

パーケットファイルとして書き込む

Zオーダー

Q52. データアーキテクトは、レイクハウスのすべてのテーブルを外部デルタレイクテーブルとして構成することを命じました。
この要件が満たされるようにするためには、どのようなアプローチが有効か？

ワークスペースの設定中に、外部クラウド・オブジェクト・ストレージがマウントされていることを確認する。

テーブルを作成するときは、必ずlocationキーワードを使用すること。

データベースを作成するときは、必ずlocationキーワードを使用してください。

テーブルを作成する際には、create table文でexternalキーワードが使用されていることを確認してください。

すべてのテーブル・ストレージに外部データウェアハウスを構成する場合、すべてのELTにDatabricksを活用する。

Q53. デルタ・テーブルを照会するために使用できるコマンドは次のうちどれですか？

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

1.%sql
2.テーブル名から*を選択

AとBの両方
正解

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

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

Q54. インタラクティブ・ノートブックの結果は、Databricks製品アーキテクチャのどこに保存されますか？

データプレーン

制御プレーン

データプレーンと制御プレーン

JDBCデータソース

Databricksウェブアプリケーション

Q55. 問26。5000色のボールがあり、そのうち1200色はピンク色である。最大で
カラーボールのテストセットにおける「ピンク」アイテムの割合の尤度推定値は？

2.4

24 0

.24

.48

4.8

Q56. データエンジニアリングチームは、ETLジョブを監視するために毎日SQLクエリを使用してデータの完全性をレビューしています。

ジョブズUIからクエリを毎日実行するようにスケジュールすることができます。

Databricks SQLのクエリページから、クエリを毎日更新するようにスケジュールすることができます。

ジョブズUIから12時間ごとにクエリを実行するようにスケジュールすることができます。

Databricks SQLのSQLエンドポイントのページから、クエリを毎日更新するようにスケジュールすることができます。

Databricks SQLのSQLエンドポイントのページから、12時間ごとにクエリを更新するようにスケジュールすることができます。

説明
Databricks SQLワークスペースのクエリ・ペイン・ビューでは、個々のクエリを追加または編集して実行するスケジュールを設定することができます。
スケジュールされたクエリ実行を使用して、ダッシュボードを常に更新したり、定期的なアラートを有効にしたりできます。デフォルトでは、クエリにはスケジュールが設定されていません。
注
クエリがアラートで使用される場合、アラートは独自のリフレッシュスケジュールで実行され、クエリスケジュールは使用されません。
スケジュールを設定する：
* クエリ情報タブをクリックします。
* グラフィカル・ユーザー・インターフェース、テキスト、アプリケーション、電子メール説明文の自動生成
* スケジュール更新の右側にあるリンクをクリックすると、スケジュール間隔のピッカーが開きます。
* グラフィカル・ユーザー・インターフェース、自動的に生成されるアプリケーションの説明
* 3.スケジュールの設定
* ピッカーがスクロールして選択できる：
* インターバル：1～30分、1～12時間、1～30日、1～2週間
* 時間。時間セレクタがピッカーに表示されるのは、インターバルが1日以上、日選択が1週間以上の場合のみです。特定の時刻をスケジュールすると、Databricks SQL はコンピュータのタイムゾーンで入力を受け取り、それを UTC に変換します。クエリを UTC の特定の時刻に実行したい場合は、ローカルオフセットでピッカーを調整する必要があります。例えば、毎日 00:00 UTC にクエリを実行したいが、現在のタイムゾーンは PDT (UTC-7) である場合、ピッカーで 17:00 を選択する必要があります：
* グラフィカル・ユーザー・インターフェース説明文の自動生成

Q57. あるデータエンジニアリングマネージャーは、Databricks SQLダッシュボードの各クエリに数秒かかることに気づきました。
手動で "更新 "ボタンをクリックしても、更新に数分かかる。なぜだろうか？
そのため、チームメンバーは遅れが生じている理由についてさまざまな理由を提示する。
ダッシュボードの更新に数分かかる理由を説明できないのは、次のうちどれですか？

ダッシュボードに添付されたクエリーは、通常の状況下では実行に数分かかる場合がある。

ダッシュボードにアタッチされたクエリはすべて、起動されていないDatabricksクラスタに接続されている可能性があります。

ダッシュボードの更新に関連するジョブは、プールされていないエンドポイントを使用している可能性があります。

各クエリで使用されるSQLエンドポイントは、起動に数分を要するかもしれない。

ダッシュボードに接続されたクエリは、まず新しいデータが利用可能かどうかをチェックする。

Q58. 外部ファイルへの直接クエリ限定されたオプション、ヘッダーとパイプで区切られたCSVファイル用の外部テーブルを作成、空白を埋めてテーブル作成ステートメントを完成させる CREATE TABLE sales (id int, unitsSold int, price FLOAT, items STRING)
________
________
LOCATION "dbfs:/mnt/sales/*.csv"

フォーマット CSV
OPTIONS ("true","|")

CSVの使用
TYPE ( "true", "|")

CSVの使用
OPTIONS ( header ="true", delimiter = "|")
正解

フォーマット CSV
FORMAT TYPE ( header ="true", delimiter = "|")

フォーマット CSV
TYPE ( header ="true", delimiter = "|")

Q59. 3つの事象があるとして、どの式が常にP(E1|E2,E3)と等しくなければならないか？

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. データエンジニアリングチームの若手メンバーが、Databricksノートブックの言語相互運用性を調査しています。以下のコードの目的は、geo_lookuptable に表示されるアフリカ大陸の国々で発生したすべての販売のビューを登録することです。
コードを実行する前に、現在のデータベースでSHOWTABLESを実行すると、データベースにはgeo_lookupandsalesの2つのテーブルしかないことがわかります。

対話型ノートブックでこれらのコマンドセルを順番に実行した結果を正しく説明している記述はどれか？

どちらのコマンドも成功する。show tablesを実行すると、countries atとsales atがビューとして登録されていることがわかる。

コマンド1は成功する。このエンティティが存在すれば、コマンド2は成功します。

Cmd 1は成功し、Cmd 2は失敗します。atはPySpark DataFrameを表すPython変数になります。

どちらのコマンドも失敗します。新しい変数、テーブル、ビューは作成されません。

コマンド1は成功し、コマンド2は失敗する。

Q61. あなたは、同僚が以前のバージョンを保存するために、_bkpを使ってノートブックを手動でコピーしていることに気づきました。

Databricksノートブックは変更追跡とバージョン管理をサポートします。

Databricksノートブックをローカルマシンにコピーし、ローカルでソース管理をセットアップしてノートブックをバージョン管理する。

Databricksノートブックはdbcアーカイブファイルにエクスポートしてデータレイクに保存できる

DatabricksノートブックをHTMLとしてエクスポートし、後でインポートすることができます。

Q62. あるデータエンジニアが、テーブルからの読み取り、データ操作、そして次の処理を行うStructured Streamingジョブを設定した。
新しいテーブルにストリーミング書き込みを実行する。データ・エンジニアが使用するコード・ブロックは以下の通りである：
1. (spark.table("売上")
2. .withColumn("avg_price", col("sales") / col("units"))
3. .writeStream
4. .option("checkpointLocation", checkpointPath)
5. .outputMode("完了")
6. ._____
.table("new_sales")
8.)
データエンジニアが、利用可能なデータをすべて処理するために、クエリに単一のマイクロバッチを実行させたいだけであれば、
データ・エンジニアが空白を埋めるために使用すべきコード行は次のうちどれでしょうか？

.processingTime(1)

.processingTime("once")

.trigger(processingTime="once")

.trigger(once=True)

.trigger(continuous="once")

Q63. Delta Live TablesがELTパイプラインに提供する、標準的なデータパイプラインに対する利点は次のうちどれでしょうか？
Databricks上でSparkとDelta Lakeを利用する？