A. Databricks SQL 대시보드 새로 고침

B. 델타 라이브 파이프라인

C. 노트북

D. 파이썬

E. Spark 제출

A. 전용 대화형 클러스터에서 파이프라인을 한 번, 한 시간에 한 번씩 실행하도록 작업을 예약합니다.

B. 트리거 간격을 60분으로 하여 구조화된 스트리밍 작업을 예약합니다.

C. 새로운 작업 클러스터에서 한 시간에 한 번씩 파이프라인을 실행하도록 작업을 예약합니다.

D. 주어진 디렉토리에 새 데이터가 들어올 때마다 실행되는 작업을 구성합니다.

A. COMMIT 명령이 실행될 때까지 아무 일도 일어나지 않습니다.

B. 테이블은 카탈로그에서 제거되지만 데이터는 저장소에 남아 있습니다.

C. 테이블이 카탈로그에서 제거되고 데이터가 삭제됩니다.

D. Delta Lake가 프로덕션 데이터 삭제를 방지하므로 오류가 발생합니다.

E. 데이터는 삭제된 것으로 표시되지만 시간 여행을 통해 복구할 수 있습니다.

A. 모든 로직은 테이블이 정의되면 실행되고 테이블 조인의 결과를 DBFS에 저장합니다. 이렇게 저장된 데이터는 테이블이 쿼리되면 반환됩니다.

B. 각 소스 테이블의 버전은 테이블 트랜잭션 로그에 저장되고, 쿼리 결과는 각 쿼리와 함께 DBFS에 저장됩니다.

C. 모든 논리는 쿼리 시간에 실행되고 쿼리가 완료될 때 소스 테이블의 유효한 버전을 조인한 결과를 반환합니다.

D. 테이블이 정의되면 결과가 계산되어 캐시됩니다. 이러한 캐시된 결과는 새 레코드가 소스 테이블에 삽입될 때마다 점진적으로 업데이트됩니다.

E. 모든 논리는 쿼리 시간에 실행되고 쿼리가 시작될 당시 소스 테이블의 유효한 버전을 조인한 결과를 반환합니다.

A. 파이프라인의 대상 스키마 외부에 있는 델타 테이블에서 데이터 품질 규칙을 유지하고 파이프라인 매개변수로 스키마 이름을 제공합니다.

B. 동일한 파이프라인에 포함된 DLT 노트북 전체에서 기대 사항을 가시적으로 표시하려면 전역 Python 변수를 사용합니다.

C. 파이프라인 구성 파일에 액세스할 수 있는 외부 작업을 사용하여 이 파이프라인의 테이블에 데이터 품질 제약 조건을 추가합니다.

D. 각 DLT 노트북 파일의 별도의 Databricks 노트북에서 데이터 품질 규칙을 유지 관리합니다.