A. 이벤트 시간 제약 조건(clickTime == impressionTime)을 사용한 leftOuter join

B. 이벤트 참여 시간 제약 조건: 클릭 시간 + 3시간 < 노출 시간 - 2시간

C. 이벤트 시간 제약 조건 적용: 클릭 시간 >= 노출 시간 - 3시간 간격, 워터마크 제거

D. 이벤트 시간 제약 조건 적용: clickTime >= impressionTime AND clickTime <= impressionTime 간격 1시간

A. databricks에서 my_project_job -e prod를 실행합니다.

B. databricks 작업 실행 my_project_job --env prod

C. databricks run my_project_job -t prod

D. databricks bundle run my_project_job -t prod

A. spark.sql.files.maxPartitionBytes

B. spark.sql.autoBroadcastJoinThreshold

C. spark.sql.files.openCostInBytes

D. spark.sql.adaptive.coalescePartitions.minPartitionNum

E. spark.sql.adaptive.advisoryPartitionSizeInBytes

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

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

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

D. daily_store_sales 테이블에 대해 일괄 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. 허용된 그룹을 하드코딩하는 UDF를 생성하고 이를 열 마스크로 적용합니다.

B. 민감한 열을 선택하지 않고 보기를 생성합니다.

C. UDF에서 group_access 매핑 테이블을 참조하는 열 마스크를 적용합니다.

D. 행 필터를 사용하여 사용자 그룹에 따라 접근을 제한합니다.