A. 모든 Delta Lake 트랜잭션은 단일 테이블에 대해 ACID를 준수하며, Databricks는 외래 키 제약 조건을 적용하지 않습니다.

B. Databricks는 해시된 식별자에 대해서만 외래 키 제약 조건을 허용하여 고도로 병렬화된 쓰기 작업에서 충돌을 방지합니다.

C. 외래 키는 기본 키 필드를 참조해야 하며, 여러 테이블에 데이터를 삽입할 때는 Delta Lake의 upsert 기능을 활용해야 합니다.

D. 여러 테이블에 동시에 커밋하려면 여러 테이블 잠금을 설정해야 하므로 교착 상태가 발생할 수 있습니다.

E. Databricks는 Spark SQL 및 JDBC를 지원하며, 모든 로직은 리팩토링 없이 소스 시스템에서 직접 마이그레이션할 수 있습니다.

A. %sh는 Git을 수집 및 설치하기 위해 클러스터 재시작을 트리거합니다. 지연 시간의 대부분은 클러스터 시작 시간과 관련이 있습니다.

B. 클론하는 대신, `%sh pip install` 명령어를 사용하여 Python 코드가 클러스터의 모든 노드에서 병렬로 실행될 수 있도록 해야 합니다.

C. %sh는 파일 이동 작업을 분산 처리하지 않습니다. 마지막 코드 줄을 %fs를 사용하도록 업데이트해야 합니다.

D. Databricks 환경에서 Python은 항상 Scala보다 느리게 실행됩니다. run.py 스크립트를 Scala로 리팩토링해야 합니다.

E. %sh는 드라이버 노드에서 셸 코드를 실행합니다. 이 코드는 워커 노드나 Databricks 최적화 Spark의 이점을 활용하지 않습니다.

A. for 루프를 다른 테이블 정의로 감싸고, 일반화된 이름과 속성을 사용하여 내부 테이블 정의의 이름과 속성으로 대체합니다.

B. 테이블 이름을 키로 사용하여 구성 값 목록을 테이블 설정 사전으로 변환합니다.

C. 테이블 정의를 별도의 함수로 옮기고, for 루프 안에서 서로 다른 입력 매개변수를 사용하여 이 함수를 호출하세요.

D. 파이프라인 매개변수로 제공된 경로에 있는 별도의 파일에서 이러한 테이블에 대한 구성 값을 로드합니다.

A. 페더레이션은 소스 시스템의 현재 상태를 반영하는 읽기 전용 액세스를 제공합니다.

B. 연합은 모든 소스에서 변경 데이터 캡처(CDC)를 구현합니다.

C. 별도의 데이터 동기화 서비스를 배포해야 합니다.

D. 페더레이션은 수동으로 새로 고쳐야 하는 로컬 복사본을 생성합니다.

A. 사용자 지역을 기준으로 행을 필터링하고 그룹 멤버십을 기준으로 열을 마스킹하는 SQL UDF를 생성한 다음, ALTER TABLE SET ROW FILTER 및 ALTER COLUMN SET MASK 명령을 사용하여 적용합니다.

B. GRANT SELECT ON table_name WITH TAG 명령을 사용하여 태그를 통해 테이블 ​​ACL에 대한 액세스를 제한하고, 사용자 지역에 따라 민감한 데이터에 대한 애플리케이션 수준 필터링을 활용합니다.

C. 지역 필터링을 위한 동적 WHERE 절을 포함하는 뷰를 생성하고, ALTER COLUMN SET MASK 명령을 사용하여 이메일 마스킹을 위한 문자열 대체 함수를 사용합니다.

D. 열 마스크는 동일 테이블에서 행 필터와 함께 사용할 수 없으므로 사용자 지역에 따라 SQL UDF를 사용하여 행 필터를 구현한 다음, DROP TABLE 및 CREATE TABLE SET ROW FILTER 명령을 사용하여 테이블을 다시 생성하여 적용합니다.