A. 넓은 테이블은 필터링 작업의 성능이 더 뛰어나고, 좁은 테이블은 집계 작업의 성능이 뛰어납니다.

B. Spark는 넓은 테이블과 좁은 테이블 모두에 대한 데이터 액세스 패턴을 동일하게 최적화할 수 있습니다.

C. 넓은 테이블은 더 많은 저장 공간을 필요로 하며 데이터 직렬화로 인해 성능 오버헤드가 발생할 수 있습니다.

D. A와 C 둘 다.

A. DAG 실행 세부 정보 페이지에는 작업 로그가 표시되어 발생한 특정 오류에 대한 통찰력을 제공합니다.

B. Airflow 웹 서버 로그에는 오류에 대한 관련 정보가 포함되어 있을 수 있습니다.

C. 잠재적인 문제를 확인하기 위해 코드를 수동으로 검사해야 합니다.

D. 위의 모든 것

A. 변환 작업을 클라우드 서비스를 트리거하고 완료를 폴링하는 HttpSensor 작업으로 교체합니다.

B. 계속 진행하기 전에 클라우드 서비스에서 변환이 완료될 때까지 ExternalTaskSensor를 사용하여 기다립니다.

C. PythonOperator를 사용하여 클라우드 서비스에 대한 API 호출을 수행하고 변환을 처리하도록 변환 작업을 수정합니다.

D. 클라우드 서비스의 컨테이너화된 환경에서 각 작업을 실행하여 DockerOperator 작업으로 변환 작업을 구현합니다.

A. 메모리 내부 저장소에 대한 의존성으로 인해 내결함성이 저하될 수 있습니다.

B. 디스크 1/0 작업이 자주 발생하여 오버헤드가 발생하여 실행 시간이 늘어날 수 있습니다.

C. 데이터 셔플링의 필요성을 줄여 네트워크 트래픽을 줄일 수 있습니다.

D. 중간 결과를 암호화된 형태로 저장하여 데이터 보안을 강화합니다.

A. 메모리 전용

B. 디스크 전용

C. 메모리 및 디스크

D. 힙에서 꺼짐