[2026-06-05更新,172問] 無料GAQM Databricks-Certified-Data-Engineer-Associate試験問題集、Databricks-Certified-Data-Engineer-Associate勉強方法(ページ 22)

Databricks-Certified-Data-Engineer-Associate 試験問題 101

データエンジニアは、数十億件のレコードを格納するDeltaテーブルのクエリパフォーマンスを最適化したいと考えている。
クエリでは、transaction_date列でフィルタリングを行うことがよくあります。クエリ実行中にスキャンされるデータ量を削減し、データを物理的に整理するには、Delta Lakeのどの機能を使用すればよいでしょうか？

A. Zオーダー

B. キャッシング

C. 真空

D. 放送に参加

Databricks-Certified-Data-Engineer-Associate 試験問題 102

データ分析チームは、常時稼働のSQLエンドポイントに接続したDatabricks SQLクエリの実行速度が遅いことに気づきました。この問題は、チームの多くのメンバーが同時に小さなクエリを実行している場合に発生するとのことです。そこで、データエンジニアリングチームに協力を求めました。データエンジニアリングチームは、チームの各クエリが同じSQLエンドポイントを使用していることに気づきました。
データエンジニアリングチームがクエリのレイテンシを改善するために使用できるアプローチは次のうちどれですか？

A. SQLエンドポイントのクラスタサイズを増やすことができます。

B. SQLエンドポイントのスケーリング範囲の上限を増やすことができます。

C. SQLエンドポイントの自動停止機能を有効にできます。

D. SQLエンドポイントのサーバーレス機能を有効にできます。

E. SQLエンドポイントのサーバーレス機能を有効にし、スポットインスタンスポリシーを「信頼性最適化」に変更できます。

Databricks-Certified-Data-Engineer-Associate 試験問題 103

テーブルを作成するために使用されるデータ定義言語（DDL）操作を正しく示すSQLコードスニペットはどれですか？

A. CREATE TABLE employees (
INTハンド、
名前文字列
);

B. テーブル従業員の削除

C. ALTER TABLE employees ADD COLUMN salary DECIMAL(10,2);

D. INSERT INTO employees (id, name) VALUES (1 'Alice');

Databricks-Certified-Data-Engineer-Associate 試験問題 104

データエンジニアは、さまざまなデータソースにリンクされた複数の外部テーブルを管理します。データエンジニアは、これらの外部テーブルを効率的に管理し、特定の外部テーブルへのアクセスに必要な権限のみがユーザーに付与されるようにしたいと考えています。
データエンジニアは、これらの外部テーブルへのアクセスをどのように管理すべきでしょうか？

A. すべての外部テーブルへの完全なアクセス権を持つ単一のユーザーロールを作成し、それをすべてのユーザーに割り当てます。

B. Unity Catalogを使用して、各外部テーブルのアクセス制御と権限を個別に管理します。

C. コンテナレベルで Azure Blob Storage のアクセス許可を設定し、すべての外部テーブルへのアクセスを許可します。

D. Databricksワークスペースレベルで権限を付与します。これは自動的にすべての外部テーブルに適用されます。

Databricks-Certified-Data-Engineer-Associate 試験問題 105

データエンジニアがシングルノードクラスタを使用したいシナリオとして適切なのは、次のうちどれですか？

A. 少量のデータと対話的に作業する場合

B. 自動レポートをできるだけ早く更新する場合

C. Databricks SQL内でSQLを操作する場合

D. より大きなデータ量に合わせて自動的にスケーリングできる能力について懸念がある場合

E. 大量のデータを含むレポートを手動で実行する場合

正解: A

データエンジニアがシングルノードクラスターを使用したいシナリオは、少量のデータを対話的に扱う場合です。シングルノードクラスターは、Apache Spark ドライバーのみで構成され、Spark ワーカーは含まれません 1。シングルノードクラスターは、Spark ジョブと、Delta Lake 1 を含むすべての Spark データソースをサポートします。シングルノードクラスターは、Spark を使用してデータをロードおよび保存するシングルノードの機械学習ワークロードや、軽量な探索的データ分析 1 に役立ちます。シングルノードクラスターは、ローカルで Spark を実行し、クラスター内の論理コアごとに 1 つの実行スレッドを生成し、すべてのログ出力をドライバーログ 1 に保存できます。シングルノードクラスターは、クラスターを構成する際に [シングルノード] ボタンを選択することで作成できます 1。
他のオプションは、シングルノードクラスターの使用には適していません。可能な限り迅速に更新される自動レポートを実行する場合、データエンジニアはワークロードの需要に基づいて自動的にスケールアップおよびスケールダウンできるマルチノードクラスターを使用したいでしょう。Databricks SQL 内で SQL を操作する場合、データエンジニアはサーバーレスプールまたは既存のクラスターで SQL クエリを実行できる SQL エンドポイントを使用したいでしょう。3 より大きなデータで自動的にスケールできるかどうかが気になる場合、データエンジニアは Databricks Lakehouse Platform と Delta Engine を活用して大規模データ処理を効率的かつ確実に処理できるマルチノードクラスターを使用したいでしょう。4 大量のデータを使用してレポートを手動で実行する場合、データエンジニアは複数のワーカーに計算を分散し、Spark UI を活用してパフォーマンスを監視し、問題をトラブルシューティングできるマルチノードクラスターを使用したいでしょう。
1：シングルノードクラスター | AWS上のDatabricks
2：オートスケーリング | AWS 上の Databricks
3：SQLエンドポイント｜AWS上のDatabricks
4：Databricks Lakehouseプラットフォーム｜AWS上のDatabricks
[Spark UI | AWS上のDatabricks]