A. 브론즈는 중복 제거, 실버는 스키마 적용

B. 은은 집계 데이터를 포함할 수 있습니다.

C. 브론즈는 수집된 데이터의 원시 복사본, 실버는 프로덕션 스키마가 있는 데이터를 포함하고 ELT/ETL 처리량에 최적화됨

D. 잘못된 데이터는 브론즈에서 필터링, 실버는 브론즈 데이터의 복사본

A. ETL 수행에 최적화된 Silver, 쿼리 성능에 최적화된 Gold

B. Gold는 ETL 수행에 최적화되어 있고 Silver는 쿼리 성능에 최적화되어 있습니다.

C. 실버는 브론즈의 카피, 골드는 실버의 카피

D. 은은 Delta Lake에, 금은 메모리에 저장

E. 은은 집계된 데이터를 포함할 수 있고 금은 원본 데이터의 세분성을 보존할 수 있습니다.

A. SQL 끝점에 대한 자동 중지 기능을 켤 수 있습니다.

B. SQL 끝점의 클러스터 크기를 늘릴 수 있습니다.

C. SQL 끝점에 대한 서버리스 기능을 켜고 스팟 인스턴스 정책을 다음으로 변경할 수 있습니다.
"신뢰성 최적화"

D. SQL 끝점에 대해 서버리스 기능을 켤 수 있습니다.

E. SQL 끝점 확장 범위의 최대 범위를 늘릴 수 있습니다.

A. Spark.read.table("table_name")

B. Spark.read.mode("delta").table("table_name")

C. Spark.read.format("delta").TableAs("table_name")

D. Spark.read.format("delta").LoadTableAs("table_name")

E. Spark.read.table.delta("테이블 이름")

A. Lakehouse는 기계 학습에 최적화된 특수 인덱스 및 캐싱을 가질 수 있습니다.

B. Lakehouse는 BI 워크로드에 대한 높은 안정성으로 낮은 쿼리 대기 시간을 제공할 수 없으며 배치 워크로드에만 적합합니다.

C. Lakehouse는 Py-thon/R/SQL을 포함하되 이에 국한되지 않는 다양한 API를 통해 액세스할 수 있습니다.

D. 기존 데이터 웨어하우스에는 스토리지와 컴퓨팅이 결합되어 있습니다.

E. Lakehouse는 Parquet과 같은 표준 데이터 형식을 사용합니다.