A. orders 테이블에 대한 각 쓰기에는 고유한 레코드만 포함되며, 대상 테이블에 중복이 없는 레코드만 쓰여집니다.

B. orders 테이블에 대한 각 쓰기에는 고유한 레코드만 포함되지만 새로 작성된 레코드에는 대상 테이블에 이미 중복 레코드가 있을 수 있습니다.

C. orders 테이블에 대한 각 쓰기에는 고유한 레코드만 포함됩니다. 대상 테이블에 동일한 키를 가진 기존 레코드가 있는 경우 이러한 레코드는 덮어쓰여집니다.

D. orders 테이블에 대한 각 쓰기에는 고유한 레코드만 포함됩니다. 동일한 키를 가진 기존 레코드가 대상 테이블에 있는 경우 작업은 종료됩니다.

E. 주문 테이블에 대한 각 쓰기는 새 레코드와 기존 레코드의 합집합에 대한 중복 제거를 실행하여 중복 레코드가 존재하지 않도록 보장합니다.

A. 각 pk_id에 대한 별도의 기록 테이블을 만들고 Union All을 실행하여 가장 최근 상태에 대한 기록 테이블을 필터링하여 테이블의 현재 상태를 확인합니다.

B. merge into를 사용하여 각 pk_id에 대한 최신 항목을 청동 테이블에 삽입, 업데이트 또는 삭제한 다음 모든 변경 사항을 시스템 전체에 전파합니다.

C. 테이블에 대한 일련의 변경 사항을 순서대로 반복하고 각각을 차례로 적용합니다. Delta Lake의 버전 관리 기능을 사용하여 감사 로그를 만듭니다.

D. Delta Lake의 변경 데이터 피드를 사용하여 외부 시스템의 CDC 데이터를 자동으로 처리하고 모든 변경 사항을 Lakehouse의 모든 종속 테이블에 전파합니다.

E. 모든 로그 정보를 브론즈 테이블에 수집합니다. merge into를 사용하여 각 pk_id에 대한 최신 항목을 실버 테이블에 삽입, 업데이트 또는 삭제하여 현재 테이블 상태를 재생성합니다.

A. spark.writestream.format('델타').mode('추가')

B. CTAS 및 RTAS 문

C. INSERT INTO 작업

D. spark.write.format('델타').모드('추가')

A. COPY INTO는 스키마 진화를 지원합니다.

B. AUTO LOADER는 스키마 진화를 지원합니다.

C. COPY INTO는 증분 로드를 수행할 때 파일 알림을 지원합니다.

D. AUTO LOADER는 Apache Kafka에서 데이터를 읽는 것을 지원합니다.

E. 자동 로더 증분 로드를 수행할 때 파일 알림을 지원합니다.

A. 쓰기가 완료된 후 비동기 작업이 실행되어 파일을 추가로 압축할 수 있는지 감지합니다. 압축이 가능한 경우 기본값인 1GB로 최적화 작업이 실행됩니다.

B. 작업 클러스터가 종료되기 전에 가장 최근 작업 중에 수정된 모든 테이블에 대해 최적화가 실행됩니다.

C. 최적화된 쓰기는 디렉토리 파티션 대신 논리적 파티션을 사용합니다. 파티션 경계는 메타데이터에만 표현되므로, 더 적은 수의 작은 파일이 작성됩니다.

D. 데이터는 메모리에 직접 커밋하는 대신 메시징 버스에 대기열로 저장됩니다. 작업이 완료되면 모든 데이터가 메시징 버스에서 한 번에 커밋됩니다.

E. 쓰기가 완료된 후 비동기 작업이 실행되어 파일을 추가로 압축할 수 있는지 감지합니다. 압축이 가능한 경우 기본값인 128MB로 최적화 작업이 실행됩니다.