A. SubDAG

B. TriggerDagRunOperator

C. 동적 작업 매핑 기능

D. 후속 Join 작업이 있는 BranchPythonOperator

A. 일반적이더라도 Airflow UI에 표시되는 오류 메시지를 신뢰합니다.

B. Airflow 로그(스케줄러, 워커)를 활용하여 자세한 오류 메시지와 스택 추적을 분석합니다.

C. Airflow 웹 Ul 내에서 실패한 작업의 코드를 직접 검사하여 잠재적인 문제를 파악합니다.

D. 위의 모든 것

A. 데이터 직렬화 및 역직렬화가 필요 없습니다.

B. 처리할 수 있는 데이터 형식의 다양성이 감소합니다.

C. 모든 데이터가 보편적 스키마를 준수해야 함을 명시합니다.

D. 유연성과 제어 간의 균형을 제공하여 데이터 탐색과 일관된 처리를 모두 최적화합니다.

A. 삭제된 데이터는 자동으로 테이블에서 삭제되므로 표준 Iceberg DELETE 쿼리를 실행합니다.

B. Iceberg의 EXPIRE SNAPSHOTS 프로시저를 사용하여 중요한 데이터가 포함된 스냅샷을 제거합니다.

C. 저수준 도구를 사용하여 데이터 파일을 직접 수정하여 민감한 데이터를 덮어씁니다.

D. Iceberg의 행 수준 업데이트를 활용하여 중요한 레코드를 삭제한 다음 파일 수준 작업을 사용하여 실제로 데이터를 제거하는 사용자 지정 프로세스를 구현합니다.

A. 사용자 정의 Python 연산자 내에서 유효성 검사를 구현하고 실패 시 예외를 발생시켜 다운스트림 작업을 트리거하여 오류를 처리합니다.

B. 유효성 검사에 실패하면 FailoverOperator를 사용하여 다운스트림 작업을 자동으로 건너뜁니다.

C. XCom을 활용하여 검증 결과를 다운스트림 작업과 공유하여 추가 처리를 수행합니다.

D. 검증 실패 시 수동 개입을 위한 이메일 알림을 보내도록 DAG를 구성합니다.