무료 온라인 액세스 Snowflake.SPS-C01.v2026-07-27.q113 모의 시험 (Page 14)

SPS-C01 문제 61

여러분은 'CUSTOMER_REVIEWS'라는 Snowflake 테이블에 저장된 고객 리뷰에 대한 감정 분석을 수행하는 Python 기반 Snowpark 애플리케이션을 개발하고 있습니다. 이 테이블에는 'REVIEW ONT', 'REVIEW TEXT (VARCHAR)', 'SENTIMENT SCORE (FLOAT)' 열이 있습니다. 'nltk' 라이브러리에서 제공하는 사전 학습된 감정 분석 모델(이미 스테이지에 업로드됨)을 활용하는 사용자 정의 함수(UDF)를 Snowpark를 사용하여 정의하려고 합니다. 이 UDF는 'REVIEW TEXT'를 입력으로 받아 감정 점수를 반환해야 합니다. 다음 코드 조각 중 어느 것이 'nltk' 모델의 직렬화 문제를 고려하여 Snowpark DataFrame에서 사용할 수 있도록 UDF를 올바르게 정의하고 등록합니까?

SPS-C01 문제 62

대규모 데이터 세트에 대해 복잡한 데이터 변환을 수행하는 Snowflake 애플리케이션을 최적화하고 있습니다. 이 변환에는 여러 조인과 집계가 포함됩니다. 쿼리 실행 시간이 과도하게 오래 걸리는 것을 확인했습니다. 적절한 Snowflake 역할과 권한이 있다고 가정할 때, 다음 중 이 애플리케이션의 성능을 향상시키는 데 가장 효과적인 기술은 무엇일까요?

A. 계산에 사용되는 Snowflake 웨어하우스의 크기를 늘립니다. 웨어하우스 크기가 클수록 병렬 처리에 필요한 리소스가 더 많아집니다.

B. Snowpark 코드를 사용자 정의 함수(UDF)를 더 많이 사용하도록 수정하세요. UDF는 내장 함수보다 항상 효율적입니다.

C. `DataFrame.explain(Y)` 메서드를 사용하여 쿼리 실행 계획을 분석하고 잠재적인 병목 현상을 파악합니다. 쿼리 실행 계획 분석을 기반으로 코드를 최적화하고, 데이터 셔플링을 줄이고 조인 전략을 개선하는 데 집중합니다.

D. 쿼리의 전체적인 복잡성을 줄이는 대신 실행되는 쿼리 수를 늘립니다. 이를 통해 보다 점진적인 접근 방식을 사용할 수 있습니다.

E. Snowflake 세션에 대한 결과 캐싱을 비활성화합니다. 이렇게 하면 성능이 저하되더라도 항상 최신 데이터가 사용됩니다.

SPS-C01 문제 63

다음은 두 개의 대규모 테이블인 'transactions'와 'customers'를 조인하는 Snowpark Python 코드 스니펫입니다. 'transactions' 테이블에는 수십억 개의 행이, 'customers' 테이블에는 수백만 개의 행이 있습니다. 조인 작업 중에 성능 병목 현상이 발생하고 있습니다. 'transactions' 테이블에는 'customers' 테이블의 기본 키 'id'를 참조하는 'customer id' 열이 있습니다. Snowpark로 최적화된 데이터 웨어하우스에서 조인 성능을 향상시키는 데 가장 효과적인 최적화 기법은 무엇일까요?

A. 힌트를 사용하여 조인 유형을 브로드캐스트 조인으로 명시적으로 지정합니다. 예: 'df_transactions.join(df_customers, df_transactions['customer_id'] == df_customers['id'],

B. 조인을 수행하기 전에 Snowflake에서 'transactions' 테이블의 'customer_id' 열과 'customers' 테이블의 'id' 열에 적절한 인덱스가 정의되어 있는지 확인하십시오.

C. 'df_transactions.repartition('customer_id').join(df_customers.repartition('id'), df_transactions['customer_id'] == df_customers['id'])'를 사용하여 조인을 수행하기 전에 'transactions' DataFrame을 'customer_id' 열로, 'customers' DataFrame을 'id' 열로 재분할합니다.

D. 조인을 수행하기 전에 더 작은 DataFrame('customers')을 웨어하우스의 모든 노드에 브로드캐스트합니다. 사용 예: 'from snowflake.snowpark.functions import broadcast; df_transactions.join(broadcast(df_customers), df_transactions['customer_id']

E. Snowpark 최적화 웨어하우스의 크기를 늘려 조인 작업에 더 많은 메모리와 CPU 리소스를 제공합니다.

SPS-C01 문제 64

Snowflake Python을 사용하여 대규모 데이터 세트를 처리하고 있습니다. DataFrame을 Snowflake 테이블에 저장해야 하는데, 데이터 전송 오버헤드를 최소화하면서 최대한 효율적으로 작업을 수행하고 싶습니다. 해당 테이블은 이미 적절한 스키마로 존재합니다. 다음 중 DataFrame을 기존 테이블에 저장하는 가장 효율적인 방법은 무엇일까요?

A. 기본 저장 모드('추가')와 함께 사용하세요.

B. 'df.write.mode('overwrite').saveAsTable('existing_table'Y)를 사용하세요.

C. 'df.write.insertlnto('existing_table')'를 사용하세요.

D. 임시 테이블을 생성하고, `createDataFrame`을 사용하여 해당 테이블에 로드한 다음, `CREATE OR REPLACE TABLE AS SELECT FROM temp_table` 문을 사용합니다.

E. DataFrame을 Parquet 파일로 스테이지 위치에 저장한 다음 'COPY INTO existing_table FROM' 명령을 사용하십시오.

SPS-C01 문제 65

센서 데이터가 포함된 대용량 CSV 파일을 처리하는 Snowpark 애플리케이션을 설계하고 있습니다. 각 CSV 파일에는 수백만 개의 행이 있으며, 특정 센서 판독값에 대한 집계 통계(예: 평균, 최소값, 최대값)를 계산해야 합니다. 성능 향상을 위해 처리 과정은 고도로 병렬화되어야 합니다. 다음은 불완전한 코드 조각입니다.

다음 코드 조각 중 어느 것을 ' ??? 집계 통계를 계산하는 코드를 여기에 추가하세요 ??? ' 표시 위치에 삽입하면 '센서 값'이라는 열의 평균, 최소값 및 최대값을 정확하게 계산하고 그 결과를 새로운 Snowpark DataFrame에 반환할까요?

D.
【그리고】:

최근 업로드: 108SAP.C-S4CPB-2602.v2026-07-27.q7; 116IIA.IIA-CIA-Part2.v2026-07-27.q575; 115F5.F5CAB1.v2026-07-27.q46; 121Snowflake.SPS-C01.v2026-07-27.q113; 116ServiceNow.CIS-ITSM.v2026-07-27.q164; 111SAP.C_C4HCX.v2026-07-27.q27; 110ISQI.CTAL-TAE_V2.v2026-07-27.q13; 117Microsoft.SC-300.v2026-07-27.q285; 144BCI.CBCI.v2026-07-25.q88; 140SAP.C_S4CS_2602.v2026-07-25.q29