무료 온라인 액세스 Snowflake.DEA-C01.v2026-06-26.q200 모의 시험 (Page 12)

DEA-C01 문제 51

투자 회사는 지속적으로 증가하는 방대한 양의 반정형 데이터를 관리하고 그로부터 유용한 정보를 추출해야 합니다.
데이터 엔지니어는 반정형 데이터를 중복 제거하고, 중복된 레코드를 삭제하고, 중복된 레코드에서 흔히 발생하는 오타를 수정해야 합니다.
어떤 솔루션이 운영 부담을 최소화하면서 이러한 요구 사항을 충족할까요?

A. Amazon Neptune ML과 Apache Gremlin 스크립트를 사용하여 중복 레코드를 제거합니다.

B. 중복 데이터 방지를 위해 Amazon DynamoDB의 글로벌 테이블 기능을 사용합니다.

C. Amazon Athena에서 Windows 함수가 아닌 함수를 사용하여 중복 레코드를 제거합니다.

D. AWS Glue의 FindMatches 기능을 사용하여 중복 레코드를 제거합니다.

DEA-C01 문제 52

데이터 엔지니어는 Amazon Athena 쿼리의 처리 속도를 높여야 합니다. 현재 Athena 쿼리에서 사용하는 모든 파일이 압축되지 않은 .csv 형식으로 저장되어 있다는 점과, 대부분의 사용자가 특정 열을 선택하여 쿼리를 실행한다는 점을 파악했습니다.
어떤 솔루션이 Athena 쿼리 성능을 가장 크게 향상시킬까요?

A. 데이터 형식을 .csv에서 JSON 형식으로 변경합니다. Snappy 압축을 적용합니다.

B. Snappy 압축을 사용하여 .csv 파일을 압축합니다.

C. 데이터 형식을 .csv에서 Apache Parquet으로 변경합니다. Snappy 압축을 적용합니다.

D. gzip 압축을 사용하여 .csv 파일을 압축하세요.

DEA-C01 문제 53

한 소매 회사가 사업을 전 세계적으로 확장하고 있습니다. 이 회사는 재무 보고서에 필요한 정확한 환율 계산을 위해 Amazon QuickSight를 사용해야 합니다. 기존 대시보드에는 전 세계 통화 가치 및 환율 데이터 세트 분석을 기반으로 하는 시각화 기능이 포함되어 있습니다.
데이터 엔지니어는 환율이 소수점 넷째 자리까지 정확하게 계산되도록 해야 합니다. 계산은 미리 완료되어야 하며, 데이터 엔지니어는 QuickSight의 초고속 병렬 인메모리 계산 엔진(SPICE)을 사용하여 결과를 구현해야 합니다.
어떤 솔루션이 이러한 요구 사항을 충족할까요?

A. 데이터 세트에 계산 필드를 정의하고 생성합니다.

B. 분석에서 계산 필드를 정의하고 생성합니다.

C. 시각화에서 계산 필드를 정의하고 생성합니다.

D. 대시보드에서 계산 필드를 정의하고 생성합니다.

DEA-C01 문제 54

캐시에 대한 설명 중 맞는 것을 고르시오.

A. 구체화된 뷰는 캐시된 결과보다 유연하지만 일반적으로 속도는 더 느립니다.

B. 구체화된 뷰는 "캐시"(즉, 뷰에 대한 쿼리 결과) 덕분에 테이블보다 빠릅니다. 또한 데이터가 변경된 경우, 변경되지 않은 데이터는 "캐시"를 사용하고 변경된 데이터는 기본 테이블을 사용할 수 있습니다.

C. 모든 크기의 저장된 쿼리 결과에 대해 캐시는 24시간 후에 만료됩니다.

D. 웨어하우스 캐시의 크기는 웨어하우스의 컴퓨팅 리소스에 따라 결정됩니다.

E. 웨어하우스가 일시 중단되면 웨어하우스 캐시가 삭제되므로 웨어하우스가 다시 시작된 후 일부 쿼리의 초기 성능이 저하될 수 있습니다.

정답: A,B,C,D,E

설명
데이터 웨어하우스 캐싱은 쿼리에 어떤 영향을 미칠까요?
각 데이터 웨어하우스는 실행 중에 웨어하우스에서 쿼리를 처리할 때 액세스하는 테이블 데이터의 캐시를 유지합니다. 이를 통해 후속 쿼리가 쿼리에 사용된 테이블에서 직접 읽는 대신 캐시에서 읽을 수 있다면 성능이 향상됩니다. 캐시 크기는 웨어하우스의 컴퓨팅 리소스에 따라 결정됩니다(즉, 웨어하우스 규모가 클수록, 즉 웨어하우스에 더 많은 컴퓨팅 리소스가 할당될수록 캐시 크기도 커집니다).
이 캐시는 데이터 웨어하우스가 일시 중단될 때 삭제되므로, 웨어하우스가 다시 시작된 후 일부 쿼리의 초기 성능이 저하될 수 있습니다. 웨어하우스가 다시 실행되어 더 많은 쿼리를 처리함에 따라 캐시가 재구축되고, 캐시를 활용할 수 있는 쿼리는 성능이 향상됩니다.
데이터 저장소를 일시 중단할지 아니면 계속 실행할지 결정할 때 이 점을 명심하십시오. 즉, 데이터 저장소를 일시 중단하여 크레딧을 절약하는 것과 이전 쿼리의 데이터 캐시를 유지하여 성능을 향상시키는 것 사이의 균형을 고려해야 합니다.
저장된 쿼리 결과 사용
쿼리가 실행되면 결과는 일정 기간 동안 시스템에 저장됩니다(즉, 캐시됩니다). 해당 기간이 지나면 시스템에서 결과가 삭제됩니다.
Snowflake는 변경 사항이 없을 때 결과를 다시 생성하지 않도록(즉, "검색 최적화") 영구 저장된 쿼리 결과를 사용합니다. 또한 영구 저장된 쿼리 결과를 사용하여 결과를 사후 처리할 수 있습니다(예: 이미 계산된 결과 위에 새 쿼리를 적용).
크기에 관계없이 저장된 쿼리 결과의 캐시는 24시간 후에 만료됩니다.
구체화된 뷰와 캐시된 쿼리 결과 모두 쿼리 성능 향상에 도움이 됩니다.
구체화된 뷰는 캐시된 결과보다 유연하지만 일반적으로 속도는 더 느립니다.
구체화된 뷰는 "캐시"(즉, 뷰에 대한 쿼리 결과) 덕분에 테이블보다 빠릅니다. 또한 데이터가 변경된 경우, 변경되지 않은 데이터는 "캐시"를 사용하고 변경된 데이터는 기본 테이블을 사용할 수 있습니다.
일반 보기에서는 데이터를 캐시하지 않으므로 캐싱을 통해 성능을 향상시킬 수 없습니다.

DEA-C01 문제 55

선임 성능 엔지니어인 조나스는 대규모 데이터 세트에서 중복을 제거하는 쿼리 작업 중 일부가 원격 디스크로 데이터를 스필링하는 것을 발견했습니다. 쿼리 성능을 향상시키기 위해 원격 디스크로의 스필링을 어떻게 줄일 수 있을까요?

A. 조나스는 운영에 필요한 메모리/로컬 디스크 공간을 효과적으로 늘릴 수 있는 대용량 웨어하우스를 사용하는 것을 추천할 수 있습니다.

B. 그는 업무량을 관리하기 위해 데이터를 더 작은 단위로 처리할 수 있습니다.

C. 스필링은 쿼리 성능에 큰 영향을 미치지 않습니다(특히 스필링에 원격 디스크를 사용하는 경우).

D. 데이터 공유는 쿼리 성능 향상에 도움이 될 수 있습니다.

다른 버전: 2539Snowflake.DEA-C01.v2024-10-11.q119

최근 업로드: 116HCLSoftwareAcademy.HCL-DOM-AADM-12.v2026-06-27.q25; 113Apple.App-Development-with-Swift-Certified-User.v2026-06-27.q14; 143AAVSB.VTNE.v2026-06-27.q109; 136Qlik.QSSA2022.v2026-06-27.q56; 148Fortinet.FCP_FMG_AD-7.6.v2026-06-26.q61; 129Salesforce.Experience-Cloud-Consultant.v2026-06-26.q151; 135Symantec.250-579.v2026-06-26.q65; 147Snowflake.DEA-C01.v2026-06-26.q200; 117Microsoft.GH-500.v2026-06-26.q75; 134WGU.Introduction-to-Cryptography.v2026-06-26.q54