A. 자동 로더를 사용하여 계정 기록 디렉터리의 새 파일을 구독하고, 구조화된 스트리밍 트리거를 한 번 실행하여 새로 감지된 파일을 계정 현재 테이블에 일괄 업데이트하도록 구성합니다.

B. 사용자 ID별로 그룹화하고 마지막 업데이트 값의 최댓값을 기준으로 필터링하여 계정 내역 테이블에 대한 쿼리 결과를 사용하여 각 배치마다 계정 현재 테이블을 덮어씁니다.

C. 계정 내역에서 마지막 업데이트 필드와 최근 처리 시간, 그리고 사용자 ID별 최대 마지막 로그인 시간을 기준으로 레코드를 필터링하고, 각 사용자 ID에 대해 가장 최근 값을 업데이트하거나 삽입하는 병합 문을 작성합니다.

D. Delta Lake 버전 기록을 사용하여 계정 기록의 최신 버전과 이전 버전 간의 차이점을 가져온 다음 이러한 기록을 계정 현재 상태에 기록합니다.

E. 계정 내역에서 마지막 업데이트 필드와 최근 처리 시간을 기준으로 레코드를 필터링하고, 사용자 이름이 중복되지 않도록 합니다. 각 사용자 이름에 대해 최신 값을 업데이트하거나 삽입하는 병합 문을 작성하세요.

A. 테이블 스키마가 변경될 예정임을 모든 사용자에게 공지하고, 기존 쿼리와 일치하도록 새 테이블 스키마로 되돌리는 데 필요한 로직을 공지에 포함시키십시오.

B. 필요한 모든 필드와 새 이름을 사용하여 새 테이블을 구성하고 이를 고객 대면 애플리케이션의 소스로 사용합니다. 새 테이블에서 선택한 필드에 별칭을 지정하여 원래 데이터 스키마와 테이블 이름을 유지하는 뷰를 생성합니다.

C. 필요한 스키마와 새 필드를 사용하여 새 테이블을 생성하고 Delta Lake의 딥 클론 기능을 사용하여 한 테이블에 커밋된 변경 사항을 해당 테이블에 동기화합니다.

D. 현재 테이블 정의를 집계 테이블에 기록하는 쿼리 로직으로 정의된 논리적 뷰로 교체하고, 고객 대면 애플리케이션에 필요한 새 테이블을 생성합니다.

E. 테이블 스키마 및 필드 이름이 지정된 날짜에 변경될 예정임을 모든 사용자에게 알리는 경고 메시지를 테이블에 추가합니다. 고객에게 제공되는 애플리케이션의 사양에 따라 테이블을 제자리에서 덮어씁니다.

A. 관리 가능

B. 편집 가능

C. 실행 가능

D. 읽을 수 있음

A. SHA256 해시는 저장된 비밀 정보를 난독화하는 데 사용되므로, 이 해시를 역으로 계산하면 값이 평문으로 표시됩니다.

B. 계정 관리자는 Databricks 계정 콘솔에 로그인하여 모든 비밀 키를 일반 텍스트로 볼 수 있습니다.

C. 비밀 정보는 Hive 메타스토어 내의 관리자 전용 테이블에 저장됩니다. 데이터베이스 관리자는 기본적으로 이 테이블을 조회할 수 있는 권한을 가지고 있습니다.

D. 저장된 비밀값을 순회하며 각 문자를 출력하면 비밀값의 내용이 평문으로 표시됩니다.

E. 개인 액세스 토큰에 올바른 자격 증명이 있는 경우 Databricks REST API를 사용하여 비밀 키를 일반 텍스트로 나열할 수 있습니다.

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.