A. 각 쿼리에서 사용되는 SQL 엔드포인트가 시작되는 데 몇 분 정도 소요될 수 있습니다.

B. 대시보드에 연결된 쿼리는 정상적인 상황에서 실행하는 데 몇 분 정도 소요될 수 있습니다.

C. 대시보드에 연결된 쿼리는 먼저 새로운 데이터가 있는지 확인하는 작업을 수행할 수 있습니다.

D. 대시보드 업데이트와 관련된 작업은 풀링되지 않은 엔드포인트를 사용할 수 있습니다.

E. 대시보드에 연결된 쿼리는 모두 시작되지 않은 Databricks 클러스터에 연결되어 있을 수 있습니다.

A. 논리 테이블은 Databricks 컨트롤 플레인의 Hive 메타스토어에 쿼리 계획을 저장합니다.

B. /mnt/finance eda 버킷에 마운트된 스토리지 컨테이너에 외부 테이블이 생성됩니다.

C. 논리 테이블은 물리적 플랜을 Databricks 제어 평면의 Hive 메타스토어에 저장합니다.

D. /mnt/finance eda 버킷에 마운트된 스토리지 컨테이너에 관리형 테이블이 생성됩니다.

E. DBFS 루트 스토리지 컨테이너에 관리형 테이블이 생성됩니다.

A. 옵션 A

B. 옵션 B

C. 옵션 C

D. 옵션 D

E. 옵션 E

A. 작업 공간을 미국 중부 지역에서 미국 동부 지역으로 이동합니다.

B. 델타 테이블의 타임스탬프를 America/New_York 형식으로 변경합니다.

C. SQL 엔드포인트의 Spark 설정을 변경하여 타임스탬프 형식을 American/New_York으로 지정하십시오.

D. SQL 관리 콘솔에서 SQL 구성 매개변수의 시간대를 American/New_York로 설정하십시오.

E. 대시보드의 모든 SQL 쿼리에 SET Timezone = America/New_York를 추가하세요.

A. Scala는 인터랙티브 노트북을 사용하여 정확하게 테스트할 수 있는 유일한 언어입니다. Scala 코드를 JAR 파일로 컴파일하여 사용할 때 최상의 성능을 얻을 수 있기 때문입니다. 모든 PySpark 및 Spark SQL 로직은 리팩토링해야 합니다.

B. 개발 노트북에서 코드 실행 시간을 의미 있게 문제 해결하는 유일한 방법은 프로덕션 규모의 데이터와 프로덕션 규모의 클러스터를 사용하여 "모두 실행" 모드로 실행하는 것입니다.

C. 실제 운영 환경에서의 코드 개발은 반드시 IDE를 사용하여 수행해야 합니다. 오픈 소스 Spark 및 Delta Lake의 로컬 빌드 환경에서 코드를 실행하면 실제 운영 환경에서의 코드 성능을 가장 정확하게 예측할 수 있습니다.

D. display()를 호출하면 작업이 강제로 트리거되지만, 많은 변환은 논리적 쿼리 계획에만 추가됩니다. 캐싱으로 인해 동일한 로직이 반복적으로 실행되면 의미 있는 결과를 얻을 수 없습니다.

E. Photon은 예약된 작업을 위해 시작된 클러스터에서만 활성화할 수 있으므로, 증분 코드 개발 중에 노트북을 작업으로 실행하고 실행 시간을 추적하려면 Jobs UI를 활용해야 합니다.