A. 애플리케이션의 하위 시스템 간의 상호 작용을 검증합니다.

B. 자동화된 테스트 프레임워크가 필요합니다

C. 수동 개입 필요

D. 애플리케이션 사용 사례를 검증합니다.

E. 애플리케이션의 개별 요소 동작을 검증합니다.

A. 이력 정보가 ​​포함된 테이블을 공유하고, 테이블에 파티셔닝이 활성화되어 있지 않은지 확인하고, 공유하기 전에 누적 분포 함수(CDF)를 활성화하십시오.

B. 기록이 없는 테이블을 공유하고 쿼리 성능 향상을 위해 파티셔닝을 활성화합니다.

C. 전체 스키마를 기록 없이 공유하고 수신자 측 캐싱을 활용하여 성능을 향상시킵니다.

D. 성능 향상을 위해 Databricks 간 공유 대신 개방형 공유 프로토콜을 사용하십시오.

A. 외부 테이블 연결에 실패하고 "삭제됨"이라는 문자열이 출력됩니다.

B. 노트북에 대화형 입력 상자가 나타납니다. 올바른 암호를 입력하면 연결이 성공하고 암호화된 암호가 DBFS에 저장됩니다.

C. 노트북에 대화형 입력 상자가 나타납니다. 올바른 비밀번호를 입력하면 연결이 성공하고 비밀번호가 평문으로 출력됩니다.

D. 외부 테이블 연결이 성공합니다. 비밀번호의 문자열 값이 평문으로 출력됩니다.

E. 외부 테이블 연결이 성공합니다. "redacted"라는 문자열이 출력됩니다.

A. 구조화된 스트리밍을 사용하여 daily_store_sales의 변경 데이터 피드를 구독하고 각 업데이트 시 store_sales_summary 테이블의 집계에 변경 사항을 적용합니다.

B. daily_store_sales 테이블에 대해 일괄 읽기 방식으로 적절한 집계 로직을 구현하고, upsert 로직을 사용하여 store_sales_summary 테이블의 결과를 업데이트합니다.

C. daily_store_sales 테이블에 대해 일괄 읽기 방식으로 적절한 집계 로직을 구현하고, 매일 밤 새로운 행을 store_sales_summary 테이블에 추가합니다.

D. daily_store_sales 테이블에 대해 구조화된 스트리밍 읽기 방식으로 적절한 집계 로직을 구현하고, upsert 로직을 사용하여 store_sales_summary 테이블의 결과를 업데이트합니다.

E. daily_store_sales 테이블에 대해 일괄 읽기 방식으로 적절한 집계 로직을 구현하고, 각 업데이트 시 store_sales_summary 테이블을 덮어씁니다.

A. 비용 절감을 위해 워커 노드 수가 적은 경량 단일 노드 클러스터입니다.

B. 대화형 SQL 워크로드를 위해 설계된 고동시성 클러스터입니다.

C. 작업 시작 시 지연 시간을 최소화하기 위해 항상 실행 중인 다목적 클러스터가 있습니다.

D. 파이프라인 실행 중에 여러 워커에 걸쳐 자동 확장되도록 구성된 작업 클러스터입니다.