Databricks-Certified-Professional-Data-Engineer 新测试营表

新问题 34
散列功能有哪些优势？

所需内存较少

通过训练数据的次数减少

轻松逆向工程矢量，确定哪个原始特征映射到矢量位置

新问题 35
一位数据工程师正在通过删除表并重新创建表格来覆盖表中的数据。另一位数据
工程师认为这样做效率不高，应该直接覆盖表格。
覆盖表而不是删除并重新创建表格的以下哪个理由是错误的？

重写表是原子操作，不会使表处于未完成状态

重写表格可保留表格的旧版本，以便进行时间旅行

重写表的效率很高，因为不需要删除任何文件

重写表后，表的历史记录将被清除，以便于日志记录和审计

重写表可以在进行中完成并发查询

新问题 36
一位数据工程师建立了一个笔记本，使用作业进行自动处理。数据工程师的经理希望
由于计划的复杂性，需要对计划进行版本控制。
数据工程师可以使用以下哪种方法获得版本可控的配置
工作的时间表？

他们可以从工作页面下载工作的 JSON 描述

他们可以在多功能集群上提交一次作业

他们可以将作业链接到作为 Databricks Repo 一部分的笔记本上

他们可以在作业群组上提交一次作业

他们可以从职位页面下载该职位的 XML 描述

新问题 37
表 customerLocations 的模式如下：
id 字符串、
日期字符串、
城市字符串、
国家字符串
一位高级数据工程师希望使用以下命令从该表创建一个新表：
1.创建表 customersPerCountry AS
2.选择国家、
3.COUNT(*) AS 客户
4.FROM customerLocations
5.GROUP BY country；
一名初级数据工程师问为什么没有为新表声明模式。以下哪项
回答解释了为什么没有必要声明模式？

CREATE TABLE AS SELECT 语句产生的表格不支持模式

CREATE TABLE AS SELECT 语句为所有列分配 STRING 类型

CREATE TABLE AS SELECT 语句采用源表中的模式详细信息，并进行查询

CREATE TABLE AS SELECT 语句通过扫描数据推断模式

CREATE TABLE AS SELECT 语句产生的表格中，模式是可选的

新问题 38
数据工程师需要在 /customer/customer360 位置创建一个名为 customer360 的数据库。数据库
数据工程师不确定他们的同事是否已经创建了数据库。
数据工程师应运行以下哪些命令来完成这项任务？

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

创建 DATABASE customer360，位置为"/customer/customer360"；

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

CREATE DATABASE IF NOT EXISTS customer360；

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

新问题 39
要求您创建一个模型来预测某本杂志的每月订户总数。
您将获得 1 年的订阅和付款数据、用户人口数据以及 10 年的
杂志内容（文章和图片）的价值。哪种算法最适合建立
用户预测模型？

线性回归

逻辑回归

决策树

TF-IDF

新问题 40
一名初级数据工程师需要创建一个 Spark SQL 表 my_table，由 Spark 同时管理数据和数据表。
元数据。元数据和数据还应存储在 Databricks 文件系统（DBFS）中。
高级数据工程师应与初级数据工程师共享以下哪些命令，以便
完成这项任务？

1.创建管理表 my_table（id STRING，value STRING），使用
2. org.apache.spark.sql.parquet OPTIONS (PATH "storage-path")；

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

1.创建表 my_table（id STRING，value STRING），使用
2. org.apache.spark.sql.parquet OPTIONS (PATH "storage-path")

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

1.创建管理表 my_table（id STRING，value STRING）；

新问题 41
数据工程团队一直使用 Databricks SQL 查询来监控 ELT 作业的性能。
ELT 作业是由特定数量的输入记录触发的，这些记录随时可以处理。Databricks SQL
查询返回作业最近一次运行后的分钟数。
如果 ELT 作业没有完成，以下哪种方法可以让数据工程团队得到通知？
在一小时内运行过？

他们可以为查询设置警报，以便在 ELT 作业失败时发出通知

他们可以为随附的仪表板设置警报，以便在返回值大于以下值时通知他们
超过 60

他们可以为随附的仪表板设置警报，以便在 60 分钟内未重新刷新时发出通知。
分钟

他们可以为查询设置警报，以便在返回值大于 60 时发出通知。

在 Databricks 中不可能使用这种类型的警报

新问题 42
一名初级数据工程师将一个 JSON 文件导入一个具有以下模式的表 raw_table：
cart_id STRING、
项目 ARRAY
初级数据工程师希望取消对 raw_table 中 items 列的嵌套，从而生成一个新表，其中包含
示意图如下
1.cart_id STRING、
2.item_id STRING
初级数据工程师应运行以下哪些命令来完成这项任务？

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；

新问题 43
一位数据工程师在 ELT 流水线中有三个笔记本。这些笔记本需要按照特定顺序执行
才能成功完成管道。数据工程师希望使用 Delta 实时表来管理这一点
过程。
数据工程师在使用 Delta 实施该管道时，必须采取以下哪些步骤
现场表演？

他们需要从 "工作 "页面创建 Delta Live Tables 管道

他们需要重构笔记本，以便使用 Python 和 dlt 库

他们需要从计算页面创建 Delta Live 表管道

他们需要从数据页面创建 Delta 实时表格管道

他们需要重构笔记本，使用 SQL 和 CREATE LIVE TABLE 关键字

新问题 44
将多维数据集投影到哪个向量上，方差最大？

第一主成分

第一特征向量

信息不足，无法回答

第二特征向量

第二主成分

新问题 45
一位数据分析师注意到，他们的 Databricks SQL 查询运行速度太慢。他们认为这个问题
正在影响所有顺序运行的查询。他们向数据工程团队寻求帮助。数据
工程团队注意到，每个查询都使用相同的 SQL 端点，但 SQL 端点并不是
任何其他用户使用。
数据工程团队可以使用以下哪些方法来改善数据的延迟？
分析员的询问？

它们可以增加 SQL 端点缩放范围的最大界限

它们可以增加 SQL 端点的群集规模

他们可以打开 SQL 端点的自动停止功能

他们可以打开 SQL 端点的无服务器功能，并将 Spot In-stance 策略更改为
"优化可靠性"

他们可以打开 SQL 端点的无服务器功能

新问题 46
数据架构师正在设计一种数据模型，既能满足基于视频的机器学习工作负载的要求，又能满足以下要求
高度审核的批量 ETL/ELT 工作负载。
以下哪项描述了使用数据湖泊如何帮助数据架构师满足以下需求
两种工作量？

数据湖屋只需很少的数据建模工作

数据湖库将计算和存储结合起来，实现简单管理

数据湖完全存在于云中

数据湖存储非结构化数据，并符合 ACID 标准

数据湖为计算集群提供自动扩展功能

新问题 47
数据工程师正在设计一个数据管道。源系统在一个共享目录中生成文件，该目录也是
被其他进程使用。因此，文件应保持原样，并在目录中累积。文件
数据工程师需要识别哪些文件是管道中上一次运行后新增的，并设置
管道，每次运行时只摄取这些新文件。
数据工程师可以使用以下哪些工具来解决这个问题？

统一目录

自动装载机

数据资源管理器

三角洲湖

Databricks SQL

新问题 48
一个数据工程团队正在转换其现有的数据管道，以便利用自动加载器进行以下操作
在摄取 JSON 文件时进行增量处理。一位数据工程师遇到了以下代码
块：
1. （streaming_df = spark.readStream.format("cloudFiles")
.option("cloudFiles.format", "json")
.option("cloudFiles.schemaLocation", schemaLocation)
.load(sourcePath))
假定模式定位和源路径已正确设置，以下哪项更改会导致模式定位和源路径的改变？
数据工程师是否需要转换代码块，以便使用自动加载器来获取数据？

无需更改。加入 format("cloudFiles") 可以使用自动加载器

无需更改。Databricks 自动使用自动加载器进行流式读取

数据工程师需要将 format("cloudFiles") 一行改为 format("autoLoader")

数据工程师需要在 .load(sourcePath) 一行之前添加 .autoLoader 一行

无需更改。数据工程师需要请管理员打开自动加载器

新问题 49
数据工程团队需要查询 Delta 表，以提取符合相同条件的行。
但是，团队注意到查询的运行速度很慢。团队已经调整了
数据文件。经调查，小组得出结论，符合条件的行分布稀疏
贯穿每个数据文件。
根据该方案，以下哪种优化技术可以加快查询速度？

调整文件大小

分装

数据跳转

写入 Parquet 文件

Z 订购

新问题 50
以下哪项描述了数据工程师希望使用作业群集而不是
多功能集群？

需要开发临时分析报告，同时尽量减少计算成本

数据工程师需要手动调查生产错误

需要每 30 分钟运行一次自动工作流程

数据团队需要合作开发机器学习模型

需要为向上报告安排 Databricks SQL 查询

新问题 51
一名数据工程师配置了一个结构化流作业，以从表中读取数据，处理数据，然后
向新表执行流式写入。数据工程师使用的代码块如下：
1. (spark.table("sales")
2. .withColumn("avg_price", col("sales") / col("units"))
3. .writeStream
.option("checkpointLocation", checkpointPath)
.outputMode("complete")
6. ._____
.table("new_sales")
8.)
如果数据工程师只想让查询执行一个微型批处理所有可用数据、
数据工程师应使用以下哪行代码来填补空白？

.处理时间（1）

.processingTime("一次")

.trigger(processingTime="once")

.trigger(once=True)

.trigger(continuous="once")

新问题 52
A 表示事件 "学生是女生"，让 B 表示事件 "学生是法国人"。在一个有 100 名学生的班级中
假设有 60 名法国学生，假设法国学生中有 10 名女生。求如果 I
选中一名法国学生，则该学生将是一名女生，即求 P(A|B)。

1/3

2/3

1/6

2/6

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

Databricks-Certified-Professional-Data-Engineer Dumps 终极指南 - 立即提升您的未来职业 [Q34-Q52]