Databricks-Certified-Professional-Data-Engineer neue Test-Lagerblatt

NEUE FRAGE 34
Was sind die Vorteile der Hashing-Funktionen?

Benötigt am wenigsten Speicher

Weniger Durchlauf durch die Trainingsdaten

Einfaches Reverse Engineering von Vektoren, um festzustellen, welches ursprüngliche Merkmal einer Vektorposition zugeordnet ist

NEUE FRAGE 35
Ein Datentechniker überschreibt die Daten in einer Tabelle, indem er die Tabelle löscht und neu erstellt. Ein anderer Daten
Der Ingenieur meint, dass dies ineffizient ist und die Tabelle stattdessen einfach überschrieben werden sollte.
Welcher der folgenden Gründe, die Tabelle zu überschreiben, anstatt sie zu löschen und neu zu erstellen, ist falsch?

Das Überschreiben einer Tabelle ist ein atomarer Vorgang und lässt die Tabelle nicht in einem unfertigen Zustand zurück

Beim Überschreiben einer Tabelle bleibt die alte Version der Tabelle für die Zeitreise erhalten

Das Überschreiben einer Tabelle ist effizient, da keine Dateien gelöscht werden müssen.

Das Überschreiben einer Tabelle führt zu einer sauberen Tabellenhistorie für Protokollierungs- und Prüfungszwecke

Das Überschreiben einer Tabelle ermöglicht es, dass gleichzeitige Abfragen abgeschlossen werden können, während sie laufen.

NEUE FRAGE 36
Ein Dateningenieur hat ein Notebook für die automatische Verarbeitung mithilfe eines Auftrags eingerichtet. Der Manager des Dateningenieurs möchte
den Zeitplan aufgrund seiner Komplexität zu versionskontrollieren.
Welchen der folgenden Ansätze kann der Dateningenieur verwenden, um eine versionskontrollierbare Konfiguration von
den Zeitplan für den Job?

Sie können die JSON-Beschreibung des Auftrags von der Seite des Auftrags herunterladen

Sie können den Auftrag einmal auf einem Allzweck-Cluster einreichen

Sie können den Job mit Notebooks verknüpfen, die Teil eines Databricks Repo sind

Sie können den Auftrag einmal in einem Auftrags-Cluster einreichen

Sie können die XML-Beschreibung der Stelle von der Seite der Stelle herunterladen

NEUE FRAGE 37
Es existiert eine Tabelle customerLocations mit dem folgenden Schema:
1. id STRING,
2. Datum STRING,
3. stadt STRING,
4. Land STRING
Ein leitender Dateningenieur möchte mit dem folgenden Befehl eine neue Tabelle aus dieser Tabelle erstellen:
1. CREATE TABLE kundenPerLand AS
2. Land auswählen,
3. COUNT(*) AS Kunden
4. FROM kundenStandorte
5. GROUP BY Land;
Ein Junior Data Engineer fragt, warum das Schema nicht für die neue Tabelle deklariert wird. Welche der folgenden
Antworten erklärt, warum die Deklaration des Schemas nicht notwendig ist?

CREATE TABLE AS SELECT-Anweisungen führen zu Tabellen, die keine Schemata unterstützen

CREATE TABLE AS SELECT-Anweisungen weisen allen Spalten den Typ STRING zu

CREATE TABLE AS SELECT-Anweisungen übernehmen Schemadetails aus der Quelltabelle und Abfrage

CREATE TABLE AS SELECT-Anweisungen erschließen das Schema durch Scannen der Daten

CREATE TABLE AS SELECT-Anweisungen führen zu Tabellen, deren Schemata optional sind

NEUE FRAGE 38
Ein Dateningenieur muss eine Datenbank mit dem Namen customer360 an der Stelle /customer/customer360 erstellen. Die
Der Dateningenieur ist sich nicht sicher, ob einer seiner Kollegen die Datenbank bereits erstellt hat.
Welche der folgenden Befehle sollte der Dateningenieur ausführen, um diese Aufgabe zu erledigen?

CREATE DATABASE customer360 DELTA LOCATION '/customer/customer360';

CREATE DATABASE customer360 LOCATION '/customer/customer360';

CREATE DATABASE IF NOT EXISTS customer360 DELTA LOCATION '/customer/customer360';

CREATE DATABASE IF NOT EXISTS customer360;

CREATE DATABASE IF NOT EXISTS customer360 LOCATION '/customer/customer360';

NEUE FRAGE 39
Sie sollen ein Modell erstellen, um die Gesamtzahl der monatlichen Abonnenten einer bestimmten Zeitschrift vorherzusagen.
Sie erhalten 1 Jahr lang Abonnement- und Zahlungsdaten, demografische Nutzerdaten und 10 Jahre lang
Wert des Inhalts des Magazins (Artikel und Bilder). Welcher Algorithmus ist am besten geeignet für die Erstellung
ein Prognosemodell für Abonnenten?

Lineare Regression

Logistische Regression

Entscheidungsbäume

TF-IDF

NEUE FRAGE 40
Ein Junior Data Engineer muss eine Spark-SQL-Tabelle my_table erstellen, für die Spark sowohl die Daten als auch die
die Metadaten. Die Metadaten und Daten sollten auch im Databricks Filesystem (DBFS) gespeichert werden.
Welche der folgenden Befehle sollte ein Senior Data Engineer mit einem Junior Data Engineer teilen, um
diese Aufgabe erfüllen?

1. CREATE MANAGED TABLE my_table (id STRING, value STRING) USING
2. org.apache.spark.sql.parquet OPTIONS (PATH "storage-path");

1. CREATE TABLE my_table (id STRING, value STRING) USING DBFS;

1. CREATE TABLE my_table (id STRING, value STRING) USING
2. org.apache.spark.sql.parquet OPTIONS (PATH "Speicherpfad")

1. CREATE TABLE my_table (id STRING, value STRING);

1. CREATE MANAGED TABLE my_table (id STRING, value STRING);

NEUE FRAGE 41
Ein Data-Engineering-Team hat eine Databricks-SQL-Abfrage verwendet, um die Leistung eines ELT-Jobs zu überwachen.
Der ELT-Auftrag wird durch eine bestimmte Anzahl von Eingabedatensätzen ausgelöst, die zur Verarbeitung bereitstehen. Die Databricks-SQL
Abfrage gibt die Anzahl der Minuten seit der letzten Laufzeit des Auftrags zurück.
Mit welchem der folgenden Ansätze kann das Data-Engineering-Team benachrichtigt werden, wenn der ELT-Auftrag nicht
in einer Stunde gelaufen ist?

Sie können eine Warnung für die Abfrage einrichten, um zu benachrichtigen, wenn der ELT-Auftrag fehlschlägt.

Sie können eine Warnung für das zugehörige Dashboard einrichten, die sie benachrichtigt, wenn der zurückgegebene Wert größer ist als
als 60

Sie können eine Warnmeldung für das zugehörige Dashboard einrichten, die sie benachrichtigt, wenn das Dashboard innerhalb von 60 Minuten nicht aktualisiert wurde.
Minuten

Sie können eine Warnmeldung für die Abfrage einrichten, die sie benachrichtigt, wenn der zurückgegebene Wert größer als 60 % ist.

Diese Art der Alarmierung ist in Databricks nicht möglich

NEUE FRAGE 42
Ein Junior Data Engineer hat eine JSON-Datei in eine Tabelle raw_table mit dem folgenden Schema eingegeben:
1. cart_id STRING,
2. Einträge ARRAY
Der Junior Data Engineer möchte die Spalte items in raw_table entschlüsseln, um eine neue Tabelle mit der
folgendes Schema:
1.cart_id STRING,
2.item_id STRING
Welchen der folgenden Befehle sollte der Junior Data Engineer ausführen, um diese Aufgabe zu erledigen?

1. SELECT cart_id, flatten(items) AS item_id
2. FROM raw_table;

1. SELECT cart_id, reduce(items) AS item_id
2. FROM raw_table;

1. SELECT cart_id, slice(items) AS item_id
2. FROM raw_table;

1. SELECT cart_id, filter(items) AS item_id
2. FROM raw_table;

1. SELECT cart_id, explode(items) AS item_id
2. FROM raw_table;

NEUE FRAGE 43
Ein Dateningenieur hat drei Notebooks in einer ELT-Pipeline. Die Notebooks müssen in einer bestimmten Reihenfolge ausgeführt werden
damit die Pipeline erfolgreich abgeschlossen werden kann. Der Dateningenieur möchte Delta Live Tables verwenden, um dies zu verwalten
Prozess.
Welche der folgenden Schritte muss der Dateningenieur im Rahmen der Implementierung dieser Pipeline mit Delta durchführen
Live-Tische?

Sie müssen eine Delta Live Tables-Pipeline auf der Seite Jobs erstellen

Sie müssen ihr Notebook so umgestalten, dass es Python und die dlt-Bibliothek verwendet

Sie müssen eine Delta Live-Tabellen-Pipeline auf der Compute-Seite erstellen

Sie müssen eine Delta-Live-Tabellen-Pipeline auf der Seite Daten erstellen

Sie müssen ihr Notebook so umgestalten, dass es SQL und das Schlüsselwort CREATE LIVE TABLE verwendet

NEUE FRAGE 44
Welcher Vektor weist bei der Projektion eines mehrdimensionalen Datensatzes die größte Varianz auf?

erste Hauptkomponente

erster Eigenvektor

nicht genügend Informationen zur Beantwortung gegeben

zweiter Eigenvektor

zweite Hauptkomponente

NEUE FRAGE 45
Ein Datenanalyst hat festgestellt, dass seine Databricks-SQL-Abfragen zu langsam laufen. Er behauptet, dass dieses Problem
alle ihre sequentiell ausgeführten Abfragen beeinträchtigt. Sie bitten das Data Engineering Team um Hilfe. Die Daten
Technikteam bemerkt, dass jede der Abfragen denselben SQL-Endpunkt verwendet, aber der SQL-Endpunkt ist nicht
von einem anderen Benutzer verwendet werden.
Welche der folgenden Ansätze kann das Data-Engineering-Team verwenden, um die Latenzzeit der Daten zu verbessern
die Fragen der Analysten?

Sie können die maximale Grenze des Skalierungsbereichs des SQL-Endpunkts erhöhen

Sie können die Clustergröße des SQL-Endpunkts erhöhen

Sie können die Auto-Stopp-Funktion für den SQL-Endpunkt einschalten

Sie können die Serverless-Funktion für den SQL-Endpunkt aktivieren und die Spot In-stance Policy auf
"Optimierte Zuverlässigkeit"

Sie können die Serverless-Funktion für den SQL-Endpunkt aktivieren

NEUE FRAGE 46
Ein Datenarchitekt entwirft ein Datenmodell, das sowohl für videobasierte maschinelle Lernverfahren als auch für
stark geprüfte Batch-ETL/ELT-Arbeitslasten.
Welche der folgenden Aussagen beschreibt, wie die Verwendung eines Data Lakehouse dem Datenarchitekten helfen kann, die Anforderungen von
beide Arbeitsbelastungen?

Ein Data Lakehouse erfordert nur sehr wenig Datenmodellierung

Ein Data Lakehouse kombiniert Datenverarbeitung und -speicherung für eine einfache Verwaltung

Ein Data Lakehouse existiert vollständig in der Cloud

Ein Data Lakehouse speichert unstrukturierte Daten und ist ACID-konform

Ein Data Lakehouse bietet automatische Skalierung für Rechencluster

NEUE FRAGE 47
Ein Dateningenieur entwirft eine Datenpipeline. Das Quellsystem erzeugt Dateien in einem gemeinsamen Verzeichnis, das auch
von anderen Prozessen verwendet werden. Infolgedessen sollten die Dateien so belassen werden, wie sie sind, und sammeln sich im Verzeichnis an. Die Website
Dateningenieur muss feststellen, welche Dateien seit dem letzten Lauf in der Pipeline neu sind, und die
Pipeline, um bei jedem Lauf nur diese neuen Dateien zu importieren.
Welche der folgenden Tools kann der Dateningenieur zur Lösung dieses Problems verwenden?

Einheits-Katalog

Autolader

Daten-Explorer

Deltasee

Databricks SQL

NEUE FRAGE 48
Ein Data-Engineering-Team ist dabei, seine bestehende Datenpipeline zu konvertieren, um den Auto Loader für
inkrementelle Verarbeitung beim Einlesen von JSON-Dateien. Ein Dateningenieur stößt auf den folgenden Code
Block in der Dokumentation des Auto Loader:
1. (streaming_df = spark.readStream.format("cloudFiles")
2. .option("cloudFiles.format", "json")
3. .option("cloudFiles.schemaLocation", schemaLocation)
4. .load(sourcePath))
Angenommen, schemaLocation und sourcePath wurden korrekt eingestellt, welche der folgenden Änderungen führt zu
Was muss der Dateningenieur tun, um diesen Codeblock so zu konvertieren, dass er Auto Loader zum Einlesen der Daten verwendet?

Es ist keine Änderung erforderlich. Die Einbeziehung von format("cloudFiles") ermöglicht die Verwendung von Auto Loader

Es ist keine Änderung erforderlich. Databricks verwendet automatisch Auto Loader für Streaming-Reads

Der Dateningenieur muss die Zeile format("cloudFiles") in format("autoLoader") ändern.

Der Datenentwickler muss die Zeile .autoLoader vor der Zeile .load(sourcePath) hinzufügen

Es ist keine Änderung erforderlich. Der Datentechniker muss seinen Administrator bitten, den Auto Loader zu aktivieren.

NEUE FRAGE 49
Ein Data-Engineering-Team muss eine Delta-Tabelle abfragen, um Zeilen zu extrahieren, die alle dieselbe Bedingung erfüllen.
Allerdings hat das Team festgestellt, dass die Abfrage langsam läuft. Das Team hat die Größe der Abfrage bereits angepasst
Datendateien. Bei der Untersuchung kam das Team zu dem Schluss, dass die Zeilen, die diese Bedingung erfüllen, nur spärlich vorhanden sind
in jeder der Datendateien.
Welche der folgenden Optimierungstechniken könnte die Abfrage in diesem Szenario beschleunigen?

Einstellung der Dateigröße

Behälter-Verpackung

Überspringen von Daten

Schreiben als Parquet-Datei

Z-Reihenfolge

NEUE FRAGE 50
Welches der folgenden Szenarien beschreibt ein Szenario, in dem ein Dateningenieur einen Job-Cluster anstelle von
ein Allzweck-Cluster?

Entwicklung eines Ad-hoc-Analyseberichts bei gleichzeitiger Minimierung der Datenverarbeitungskosten

Ein Dateningenieur muss einen Produktionsfehler manuell untersuchen

Ein automatisierter Arbeitsablauf muss alle 30 Minuten ausgeführt werden.

Ein Datenteam muss bei der Entwicklung eines maschinellen Lernmodells zusammenarbeiten

Eine Databricks-SQL-Abfrage muss für Aufwärtsberichte geplant werden

NEUE FRAGE 51
Ein Dateningenieur hat einen Structured-Streaming-Auftrag so konfiguriert, dass er aus einer Tabelle liest, die Daten manipuliert und dann
einen Streaming-Schreibvorgang in eine neue Tabelle durchführen. Der vom Dateningenieur verwendete Codeblock ist unten dargestellt:
1. (spark.table("sales")
2. .withColumn("avg_price", col("sales") / col("units"))
3. .writeStream
4. .option("checkpointLocation", checkpointPath)
5. .outputMode("complete")
6. ._____
7. .tabelle("neue_umsätze")
8.)
Wenn der Dateningenieur möchte, dass die Abfrage nur einen einzigen Mikrostapel ausführt, um alle verfügbaren Daten zu verarbeiten,
Welche der folgenden Codezeilen sollte der Dateningenieur verwenden, um die Lücke auszufüllen?

.processingTime(1)

.processingTime("einmal")

.trigger(processingTime="once")

.trigger(once=True)

.trigger(continuous="once")

NEUE FRAGE 52
A bezeichne das Ereignis "Schüler ist weiblich" und B bezeichne das Ereignis "Schüler ist Franzose". In einer Klasse mit 100 Schülern
Nehmen wir an, 60 sind Franzosen, und nehmen wir an, dass 10 der französischen Schüler weiblich sind. Ermitteln Sie die Wahrscheinlichkeit, dass, wenn I
einen französischen Schüler auswählen, wird es ein Mädchen sein, d. h. P(A|B) finden.

1/3

2/3

1/6

2/6

Tag Databricks-Certified-Professional-Data-Engineer new test camp sheet

Ultimativer Leitfaden für Databricks-Certified-Professional-Data-Engineer Dumps - Verbessern Sie jetzt Ihre zukünftige Karriere [Q34-Q52]