A. 팀원 간의 수동 조정에 의존하여 로컬 파일 시스템의 공유 폴더에 모든 DAG 코드를 저장합니다.

B. Git과 같은 버전 제어 시스템을 활용하여 DAG 코드의 변경 사항을 추적하고 협업 개발을 활성화합니다.

C. 역할에 관계없이 모든 팀원에게 코드 수정을 위한 Airflow 웹 Ul에 대한 전체 액세스 권한을 부여합니다.

D. DAG 개발을 관리하기 위해 Airflow 외부에 사용자 정의 워크플로 관리 시스템을 구현합니다.

A. 옵션 A

B. 옵션 B

C. 옵션 C

D. 옵션 D

A. 데이터프레임 API

B. 스파크 스트리밍

C. RDD(탄력적 분산 데이터 세트)

D. 스파크 SQL

A. 사용자 애플리케이션에서 논리적 계획을 구성합니다.

B. Executor 라이프사이클에 대한 Kubernetes API 상호작용 관리.

C. 실행자로부터 최종 결과를 수집하고 출력을 제공합니다.

D. Kubernetes 클러스터 내에서 리소스 활용을 최적화합니다.

A. 필요한 라이브러리를 Airflow 환경에 직접 설치합니다.

B. DAG 코드와 함께 라이브러리를 패키징하고 Python 연산자 내에서 이를 참조합니다.

C. 사전 설치된 라이브러리가 있는 가상 환경을 사용하도록 Airflow를 구성합니다.

D. Airflow 사용자가 접근할 수 있다고 가정하고 시스템 전체 라이브러리 설치를 활용합니다.