最新的Databricks Databricks-Certified-Data-Engineer-Associate日本語免費考試真題

問題1

データエンジニアは、Delta Live Tables（DLT）パイプラインに3つのテーブルを配置しています。各テーブルで無効なレコードを削除するようにパイプラインを設定しています。DLTパイプラインのどこかの時点で、品質上の懸念から一部のデータが削除されていることに気付きました。パイプラインのどのテーブルでデータが削除されているのかを特定したいと考えています。
データエンジニアがレコードを削除しているテーブルを識別するために実行できるアプローチは次のどれですか。

A. どのテーブルがレコードを削除しているかを判断できません。

B. DLT パイプラインページに移動し、各テーブルをクリックして、データ品質の統計を表示できます。

C. DLT パイプラインページに移動し、「エラー」ボタンをクリックして、現在のエラーを確認できます。

D. レコードが削除されたときに電子メールで通知するように DLT を設定できます。

E. DLT パイプラインを開発するときに、テーブルごとに個別の期待値を設定できます。

正確答案: B

問題2

データエンジニアが非常に大規模なデータセットを扱っており、関連データを同じファイルにまとめてクエリのパフォーマンスを向上させたいと考えています。エンジニアは、頻繁にフィルタリングされる列にZオーダーを適用することにしました。どのDelta Lakeコマンドを使用しますか？

A. 真空ゾーダー

B. キャッシュテーブル

C. ZORDER の最適化

D. 分析表

正確答案: C

問題3

データエンジニアがSpark SQLに基づいたETLプロセスを開発している。実行が失敗する。データエンジニアがSpark UIを確認すると、次のようなエラーが表示されている。
「java.lang.OutofMemoryError: Javaヒープ領域不足」
この問題を解決するために、データエンジニアはどの2つの是正措置を実行すべきでしょうか？(2つ選択してください。)

A. シャッフルパーティションを50に固定して割り当てを確実にします

B. クエリで収集するデータ量を減らすために、フィルタを絞り込みます。

C. ワーカーノードのサイズを拡張し、オートシャッフルパーティションを有効にする

D. ドライバノードのサイズを上げて、パーティションの自動シャッフルを無効にする

E. クエリパフォーマンスを向上させるためにデータセットをキャッシュする

正確答案: B,C

說明：（僅 Fast2test 成員可見）

問題4

Databricksでデータエンジニアとして働く人は、販売分析領域におけるBIクエリのレイテンシとコストを制御する必要があります。Silverテーブルには、検証済みで正規化された販売データと製品データが既に含まれています。チームは、ダッシュボードに適したクエリパフォーマンスを実現し、複雑な結合処理でアナリストに負担をかけることなく、データセットをビジネスコンセプト(例：weekly_sales、account_performance)に整合させたいと考えています。
データエンジニアは、メダリオンアーキテクチャのゴールドレイヤーに対して、どの設計アプローチを選択すべきでしょうか？

A. ストレージを最小限に抑えるため、すべてのデータをGoldで厳密に正規化し、クエリ時にBIツールを使用してデータを結合します。

B. 生データ、追記専用のソースデータを直接 Gold に移動して、変換コストを回避し、タイムトラベルを可能にします。

C. 重複を減らすために、ゴールドでは軽くクレンジングされたビューのみを作成し、シルバーではほとんどのビジネスロジックを保持します。

D. レポートやダッシュボード用に最適化された、非正規化されドメインに整合したテーブルとマテリアライズされた集計 (例: weekly_sales) を作成します。

正確答案: D

說明：（僅 Fast2test 成員可見）

問題5

データエンジニアリングチームは、Delta Lakeに保存されている大量のデータを変換するバッチETLパイプラインを毎晩実行しています。ワークロードは予測可能で、固定スケジュールで実行されます。チームは、ジョブ実行中に使用したコンピューティングリソースのみを支払うことで、自動スケーリングとコスト効率の向上を実現したいと考えています。このワークロードに適したDatabricksのコンピューティングオプションはどれでしょうか？

A. オートスケーリングなしで構成されたシングルノードのコンピューティングクラスタ。

B. サーバーレス実行用に構成された Databricks SQL ウェアハウス。

C. スケジュールされたワークフローによってトリガーされるジョブ計算クラスタ。

D. 自動スケーリング機能を備えた汎用コンピューティングクラスタ。

正確答案: C

說明：（僅 Fast2test 成員可見）

問題6

データエンジニアは、中央GitリポジトリからクローンしたDatabricksリポジトリでコードを実行しています。同僚から、変更が中央Gitリポジトリに同期されたことが報告されました。データエンジニアは、中央Gitリポジトリから変更を取得するために、Databricksリポジトリを同期する必要があります。
このタスクを実行するためにデータエンジニアが実行する必要がある Git 操作は次のどれですか。

A. 押す

B. クローン

C. 行く

D. プル

E. コミット

正確答案: D

問題7

データエンジニアは、データサイエンティストと BI チームのために、Databricks で信頼できる顧客 360 データセットを提供する必要があります。エンジニアは、重複排除された顧客レコードをクリーンアップされたトランザクションデータと結合し、スキーマとデータ品質チェックを実施し、準拠したデータセットを作成する予定です。
「customer_transactions」ビュー。後日、ダッシュボード用に、高度に集計されたドメイン固有のテーブル(週ごとの支出やエグゼクティブサマリーなど)が作成されます。
エンジニアは、適合させた「customer_transactions」データセットをどこに構築し、集計済みでレポート作成に適したテーブルをどこに配置すべきでしょうか？

A. モデルをシンプルに保つために、Silver で「customer_transactions」と集計済みのレポート対応テーブルの両方を作成します。

B. Silverで「customer_transactions」を作成し、集計済みでレポート作成可能なテーブルをGoldに配置します。

C. Gold で「customer_transactions」を作成し、集計済みのレポート準備済みテーブルを Silver に配置します。

D. Bronzeで「customer_transactions」を作成し、集計済みでレポート作成可能なテーブルをSilverに配置します。

正確答案: B

說明：（僅 Fast2test 成員可見）

問題8

データエンジニアは、パフォーマンスのボトルネックが頻繁に発生するPySparkジョブに基づくETLパイプラインを調査しています。開発者からのフィードバックに基づき、データエンジニアはジョブの計算リソースが不足していると推測します。問題を特定するために、データエンジニアはSpark UIを監視したところ、タスク時間に対するCPU時間の割合が高いことがわかりました。データエンジニアはどのような対応を取るべきでしょうか？

A. CPU時間とタスク時間のバランスが悪いということは、クラスターが十分に活用されていないことを意味します。データエンジニアは、クラスター全体にジョブをより均等に分散させるために、データの再パーティション化が必要になる場合があります。

B. CPU時間とタスク時間の比較で高い値を示す場合、CPUが過剰に使用されているジョブであることを意味します。データエンジニアは、エグゼキュータとコアのチューニング、またはクラスタのサイズ変更を検討する必要があるかもしれません。

C. CPU時間とタスク時間の比較が高いということは、メモリが過剰に使用されていることを意味し、並列処理を増やす必要がある。

D. CPU時間とタスク時間の比較が高いということは、クラスターを効率的に使用しており、変更は不要であることを意味します。

正確答案: B

說明：（僅 Fast2test 成員可見）

最新的Databricks Certified Data Engineer Associate Exam (Databricks-Certified-Data-Engineer-Associate日本語版) - Databricks-Certified-Data-Engineer-Associate日本語免費考試真題

聯系我們

站內鏈接

最新更新