これは正しい回答です。Delta Lake はトランザクション ログを使用して、各テーブルに関するメタデータ（各データ ファイルの各列の最小値と最大値の統計情報を含む）を保存します。Delta エンジンはこの情報を使用して、テーブル全体やファイル フッターをスキャンすることなく、フィルタ条件に基づいてロードするファイルをすばやく識別できます。これはデータ スキッピングと呼ばれ、クエリのパフォーマンスを大幅に向上させることができます。検証済み参照: [Databricks Certified Data Engineer Professional]、「Delta Lake」セクション、[Databricks Documentation]、「最適化 - データ スキッピング」セクション。
Delta Lakeはトランザクションログに、テーブルの各データファイルに関する統計情報を記録します。これらの統計情報は、ファイルごとに以下の内容を示します。
- レコードの総数
- テーブルの最初の 32 列の各列の最小値
- テーブルの最初の 32 列の各列における最大値
- テーブルの最初の 32 列の各列における Null 値の数。選択フィルタを持つクエリがテーブルに対して実行されると、クエリ オプティマイザはこれらの統計情報を使用してクエリ結果を生成します。これらの統計情報を活用して、条件フィルタに一致するレコードが含まれている可能性のあるデータ ファイルを特定します。
質問にあるSELECTクエリでは、トランザクションログをスキャンして、価格列の最小値と最大値の統計情報を取得します。

https://docs.databricks.com/en/notebooks/notebook-export-import.html#import-a-file-and-convert-it-to-a-notebook

これは正解です。チェックポイント機能は、障害発生時の耐障害性と復旧機能を提供する構造化ストリーミングの重要な機能だからです。チェックポイント機能は、ストリーミングクエリの現在の状態と進行状況を、DBFSやS3などの信頼性の高いストレージシステムに保存します。各ストリーミングクエリには、そのクエリ専用の固有のチェックポイントディレクトリが必要です。2つのストリーミングクエリが同じチェックポイントディレクトリを共有すると、互いに干渉し合い、予期しないエラーやデータ損失が発生します。

このクエリは、CREATE TABLE USING DELTA構文を使用して、DBFSに保存されている既存のParquetファイルからDelta Lakeテーブルを作成します。また、LOCATIONキーワードを使用して、Parquetファイルへのパスを/mnt/finance_eda_bucket/tx_sales.parquetとして指定します。LOCATIONキーワードを使用することで、クエリは外部テーブルを作成します。外部テーブルとは、デフォルトのウェアハウスディレクトリの外に保存され、メタデータがDatabricksによって管理されないテーブルのことです。外部テーブルは、DBFSやS3などのクラウドストレージシステム内の既存のディレクトリから作成できます。このディレクトリには、ParquetやCSVなどのサポートされている形式のデータファイルが含まれています。
2 番目のコマンドを実行すると、メタストア内のテーブル参照が更新されますが、データは変更されません。メタストアは、テーブルのスキーマ、場所、プロパティ、パーティションなどのメタデータを格納するサービスです。メタストアを使用すると、ユーザーは、物理的な場所や形式を知らなくても、SQL コマンドまたは Spark API を使用してテーブルにアクセスできます。ALTER TABLE RENAME TO コマンドを使用して外部テーブルの名前を変更すると、メタストア内のテーブル参照のみが新しい名前で更新され、ストレージ システム内のデータ ファイルやディレクトリは移動または変更されません。テーブルは以前と同じ場所を指し、同じ形式を使用します。ただし、メタデータとデータの両方が Databricks によって管理されているテーブルである管理対象テーブルの名前を変更する場合は、メタストア内のテーブル参照とデフォルトのウェアハウス ディレクトリ内のデータ ファイルの両方が移動され、それに応じて名前が変更されます。

Lakeflow Sparkの宣言型パイプラインとAuto Loaderを組み合わせることで、厳密に1回のみ実行されることを保証し、運用上のオーバーヘッドを最小限に抑えた、完全に管理された増分ファイル取り込みを実現します。
スキーマ推論と進化を有効にすることで、受信するJSONファイル内の新しい列を自動的に組み込むことが可能になり、ストリーミング取り込み、スキーマ進化、および手動によるインフラストラクチャ管理の削減といった要件を満たすことができます。