Databricks Databricks-Certified-Data-Engineer-Professional日本語 Prüfungsthemen:
| Abschnitt | Ziele |
|---|---|
| Thema 1: Produktionsreife Pipelines und Orchestrierung | - Planung und Überwachung von Aufträgen - Strategien zur Fehlerbehandlung und Wiederherstellung - Databricks Workflows |
| Thema 2: Datenerfassung und -verarbeitung | - Grundlagen von Structured Streaming - Gestaltungsmuster für ETL-Pipelines - Stapel- und Streaming-Erfassung mit Auto Loader |
| Thema 3: Delta Lake und Datenverwaltung | - Transaktionen und ACID-Eigenschaften von Delta Lake - Weiterentwicklung und Durchsetzung von Schemata - Zeitreisen und Versionsverwaltung |
| Thema 4: Datenmodellierung und -umwandlung | - Methoden zur Leistungsoptimierung - Umwandlungen mit Spark SQL - Grundlagen der dimensionalen Modellierung |
| Thema 5: Architektur der Databricks Lakehouse-Plattform | - Architektur von Arbeitsbereichen und Clustern - Grundlagen der Datenverwaltung (Grundlagen von Unity Catalog) - Medallion-Architektur (Bronze, Silber, Gold) |
Databricks Certified Data Engineer Professional Exam (Databricks-Certified-Data-Engineer-Professional日本語版) Databricks-Certified-Data-Engineer-Professional-JPN Prüfungsfragen mit Lösungen
データエンジニアは、チームメイトが作成した新しいSparkアプリケーションを本番環境に移行する必要があります。このアプリケーションには、ライブラリを含む多数の外部依存関係があり、カスタム環境変数とSpark構成パラメータを設定する必要があります。データエンジニアがこのタスクを達成するのに役立つ2つの方法はどれですか？(2つ選択してください。)
- A. 初期化スクリプトでシークレットを使用して設定データを保存します
- B. コンピューティング ポリシーを使用して、システム プロパティ、環境変数、および Spark 構成パラメータを設定します。
- C. DBFSにライブラリをインストールする
- D. DBFS 上に init スクリプトを作成します。
- E. コンピューティングポリシーにライブラリを追加する
Erklärung: (Nur für DeutschPrüfung-Mitglieder sichtbar)
Predictive Optimization は、Unity Catalog Managed テーブルに対してデフォルトで有効になっている自動化された Databricks サービスです。Delta テーブルを継続的に最適化することで、最適なパフォーマンスとコストを確保し、維持管理を支援します。Predictive Optimization は、Delta テーブルを維持するためにどの 2 つの操作を実行しますか？(2 つ選択してください。)
- A. 分析
- B. バケット化
- C. パーティション
- D. コンパクト
- E. 最適化
Erklärung: (Nur für DeutschPrüfung-Mitglieder sichtbar)
データエンジニアは、display(df.collect()) から結果を出力する前に、多数の変換を含むインタラクティブノートブックで作業しています。ノートブックには、ワイド変換とクロス結合が含まれています。
データ エンジニアが次のエラーを受け取りました: 「Spark ドライバーが予期せず停止したため、再起動しています。ノートブックは自動的に再接続されます。」データ エンジニアはどのようなアクションを実行する必要がありますか?
- A. Spark UI をチェックして、エグゼキューターの数が少なくなったため、各ステージに割り当てられているジョブの数を確認します。
- B. ドライバーが落ちないように、ノートブックを単一ノード クラスターで実行します。
- C. コンピューティング メトリック UI を調べて、エグゼキューターのメモリ使用率が 90% を超えているかどうかを確認します。
- D. ドライバー ノードにメモリ負荷がかからないようにコードを書き直します。
Erklärung: (Nur für DeutschPrüfung-Mitglieder sichtbar)
PySpark アプリケーションにユニット テストを組み込むには、ジョブの設計に事前に注意を払うか、既存のコードを大幅にリファクタリングする必要がある可能性があります。
この追加の労力を相殺する主な利点を説明している記述はどれですか?
- A. デプロイメントと実行時間が短縮されます
- B. すべてのステップが正しく相互作用して、望ましい最終結果が得られることを保証する
- C. アプリケーションの完全なユースケースを検証します
- D. すべてのステップが分離され、個別にテストされるため、トラブルシューティングが容易になります。
- E. データの品質が向上します
Erklärung: (Nur für DeutschPrüfung-Mitglieder sichtbar)
プラットフォームチームは、CI/CDをサポートするために、Databricks Asset Bundlesの標準化されたテンプレートを作成しています。このテンプレートでは、アーティファクト、ワークスペースのルートパス、実行IDのデフォルトを指定する必要があります。また、「dev」ターゲットをデフォルトとして特定のパスをオーバーライドできるようにする必要があります。これらの要件を満たすために、チームはdatabricks.ymlをどのように使用すべきでしょうか？
- A. 最上位レベルで、bundle、artifacts、workspace、run_as、targets を使用します。default:true で 1 つのターゲットを設定し、そのターゲットの下のワークスペース パスまたはアーティファクトをオーバーライドします。
- B. プロジェクト、パッケージ、環境、ID、ステージを使用します。dev をデフォルトのステージとして設定し、環境の下のワークスペースをオーバーライドします。
- C. デプロイメント、ビルド、コンテキスト、ID、および環境を使用します。dev をデフォルトの環境として設定し、ビルドの下のパスをオーバーライドします。
- D. ルート、モジュール、プロファイル、アクター、ターゲットを使用します。プロファイルにはワークスペースと成果物のデフォルトが含まれ、アクターは実行 ID を設定します。
Erklärung: (Nur für DeutschPrüfung-Mitglieder sichtbar)
0 Kundenbewertungen
