A. 분석팀이 델타 테이블을 지원하는 도구를 사용하도록 요구합니다.

B. 거래 테이블에서 'iceberg' 형식을 균일하게 적용하여 테이블을 Iceberg 테이블로 읽을 수 있도록 합니다.

C. 분석팀에서 사용할 수 있도록 거래 델타 테이블의 아이스버그 복사본을 생성합니다.

D. 트랜잭션 델타 테이블을 아이스버그 형식으로 변환하고 균일화를 활성화하여 테이블을 델타 테이블로 읽을 수 있도록 합니다.

A. Databricks Jobs를 사용하여 모든 과거 데이터를 주기적으로 재처리하는 사용자 지정 솔루션을 구현합니다.

B. 일괄 처리를 사용하여 매번 전체 출력 테이블을 덮어쓰므로 늦게 도착한 데이터도 정확하게 반영됩니다.

C. 배치 테이블이 있는 Auto CDC 파이프라인을 사용하여 지연 데이터 처리를 간소화합니다.

D. 예상 도착 시간 이후에 도착하는 레코드를 수용하기 위해 허용되는 지연 시간을 지정하는 워터마크를 사용하여 정확한 집계 및 상태 관리를 보장합니다.

A. 고객 테이블은 타입 3 테이블로 구현되었으며, 이전 값은 현재 값과 함께 새로운 열로 유지됩니다.

B. 고객 테이블은 타입 2 테이블로 구현됩니다. 기존 값은 유지되지만 더 이상 사용되지 않는 것으로 표시되고 새 값이 삽입됩니다.

C. 고객 테이블은 Type 0 테이블로 구현되어 있으며, 모든 쓰기 작업은 기존 값을 변경하지 않고 새로운 값을 추가하는 방식으로만 수행됩니다.

D. 고객 테이블은 Type 1 테이블로 구현되어 있으며, 이전 값은 새 값으로 덮어쓰여지고 이력은 유지되지 않습니다.

E. 고객 테이블은 Type 2 테이블로 구현되어 있으며, 기존 값은 덮어쓰여지고 신규 고객은 추가됩니다.

A. 전용 대화형 클러스터에서 파이프라인이 한 시간에 한 번 실행되도록 작업을 예약합니다.

B. 새 작업 클러스터에서 파이프라인을 한 시간마다 실행하도록 작업을 예약합니다.

C. 60분 간격으로 구조화된 스트리밍 작업을 예약합니다.

D. 지정된 디렉터리에 새 데이터가 추가될 때마다 실행되는 작업을 구성합니다.

A. 버킷 AS (
선택하다
장치 ID,
window(event_ts, '5분', '5분', '2분') AS win, temperature_c FROM device_readings) SELECT device_id, win.start AS bucket_start, win.end AS bucket_end, AVG(temperature_c) AS avg_temp_5m FROM buckets GROUP BY device_id, win ORDER BY device_id, bucket_start;

B. 선택
장치 ID,
윈도우 시작을 버킷 시작으로,
윈도우 끝을 버킷 끝으로,
AVG(온도_섭씨) AS avg_temp_5m
device_readings에서
GROUP BY device_id, window(event_ts, ' 5 minutes ' , ' 5 minutes ' , ' 2 minutes ' ) ORDER BY device_id, bucket_start;

C. 선택
장치 ID,
date_trunc('minute', event_ts - INTERVAL 2 MINUTES) + INTERVAL 2 MINUTES AS bucket_start, date_trunc('minute', event_ts - INTERVAL 2 MINUTES) + INTERVAL 7 MINUTES AS bucket_end, AVG(temperature_c) AS avg_temp_5m FROM device_readings GROUP BY device_id, date_trunc('minute', event_ts - INTERVAL 2 MINUTES) ORDER BY device_id, bucket_start;

D. 선택
장치 ID,
이벤트_ts,
AVG(온도_c) OVER (
device_id로 분할
event_ts를 기준으로 정렬
이전 5분 간격과 현재 행 사이의 범위
) AS 평균 온도 5m
device_readings에서
WINDOW w AS (window(event_ts, ' 5 minutes ' , ' 2 minutes ' ));