A. JSON 메타데이터를 로드하고, 해당 항목을 순회하며, dlt.expect_all을 사용하여 기대치를 적용합니다.

B. 외부 API를 호출하여 메타데이터 규칙에 따라 레코드의 유효성을 검사합니다.

C. 테이블 선언에서 각 기대치를 참조할 때 @dlt.expect 데코레이터를 사용하세요.

D. JSON 파일 경로를 참조하는 SQL CONSTRAINT 블록을 사용하십시오.

A. 사용자 테이블 생성
(이름 문자열);
ALTER TABLE users CREATE COLUMN ssn CREATE MASK ssn_mask;

B. 사용자 테이블 생성
(이름 문자열, 정수 문자열);
ALTER TABLE users ALTER COLUMN ssn CREATE MASK if is_member('HRAdminGroup');

C. 사용자 테이블 생성
(이름 문자열, ssn 정수 마스크 ssn_mask);

D. 사용자 테이블 생성
(이름 문자열, ssn 문자열);
ALTER TABLE users ALTER COLUMN ssn SET MASK ssn_mask;

A. Repos를 사용하여 모든 차이점을 병합하고 원격 저장소로 풀 리퀘스트를 생성합니다.

B. 모든 차이점을 병합하기 위해 리포지토리를 사용하고 원격 리포지토리로 풀 리퀘스트를 생성합니다.

C. Repos를 사용하여 새 브랜치를 생성하고 모든 변경 사항을 커밋한 다음 원격 Git 저장소에 변경 사항을 푸시합니다.
최신 및 실제 공인 데이터 엔지니어 전문가 시험 문제와 답을 확인하세요.

D. 리포지토리를 사용하여 원격 리포지토리를 포크하고 모든 변경 사항을 커밋한 다음 소스 리포지토리에 풀 리퀘스트를 생성합니다.

E. Repos를 사용하여 원격 Git 저장소에서 변경 사항을 가져오고, 가져온 변경 사항이 나타난 브랜치에 변경 사항을 커밋하고 푸시합니다.

A. 두 명령 모두 성공할 것입니다. show tables 명령을 실행하면 countries at과 sales at이 뷰로 등록된 것을 확인할 수 있습니다.

B. 1번 명령은 성공합니다. 2번 명령은 접근 가능한 모든 데이터베이스에서 countries af라는 이름의 테이블 또는 뷰를 검색합니다. 해당 엔티티가 존재하면 2번 명령도 성공합니다.

C. 첫 번째 명령은 성공하고 두 번째 명령은 실패합니다. countries at은 PySpark DataFrame을 나타내는 Python 변수입니다.

D. 두 명령 모두 실패합니다. 새로운 변수, 테이블 또는 뷰가 생성되지 않습니다.

E. 첫 번째 명령은 성공하고 두 번째 명령은 실패합니다. countries at은 문자열 목록을 포함하는 Python 변수가 됩니다.

A. def new_records():

B. spark.readStream.table("bronze")를 반환합니다.

C. spark.readStream.load("bronze")를 반환합니다.

D. spark.read.option("readChangeFeed", "true").table("bronze")를 반환합니다.

E.