テーブルとは、物理的な場所に格納され、他のセッションのデータエンジニアがアクセスできるデータエンティティです。テーブルは、CREATE TABLEコマンドまたはCREATE TABLE AS SELECTコマンドを使用して、1つまたは複数のテーブルから作成できます。また、Sparkを使用して既存のDataFrameからテーブルを登録することもできます。
catalog.createTable メソッド。テーブルは、SQL または DataFrame API を使用してクエリできます。また、MERGE INTO コマンドまたは DeltaTable API を使用して、テーブルを更新、削除、または追加することもできます。参照:
* テーブルを作成する
クエリ結果からテーブルを作成する
* DataFrameからテーブルを登録する
* [テーブルを照会する]
* [テーブルの更新、削除、またはマージ]

説明
ドキュメントより：
Databricks Reposでは、Gitの機能を使用して以下のことができます。
リモートのGitリポジトリをクローン、プッシュ、プルします。
開発作業のためのブランチを作成および管理し、マージ、リベース、競合の解決などを行います。
ノートブック（IPYNBノートブックを含む）を作成し、それらを編集したり、他のファイルを編集したりできます。
コミット時に差異を視覚的に比較し、マージの競合を解決します。
出典: https://docs.databricks.com/en/repos/index.html

JSON ファイルがクラウド ストレージに到着したらすぐに自動的に取り込むには、正しい構文として、Auto Loader を spark.readStream.format("cloudFiles").option("cloudFiles.format", とともに使用します。
"json").load("/input/path")。これにより、新しいファイルをストリーミングデータフレームに継続的に取り込むことができます。

データエンジニアがジョブで使用するクラスタの起動時間を改善するために実行できる最善策は、クラスタプールからクラスタを使用することです。クラスタプールとは、ジョブや対話型セッションで使用できる、アイドル状態のクラスタの集合です。クラスタプールを使用することで、データエンジニアはクラスタ作成時間を回避し、タスクのレイテンシを削減できます。また、クラスタプールは複数のユーザーやジョブで共有できるため、コスト削減とリソース効率の向上にもつながります。
オプションAは該当しません。Databricks SQLで利用可能なエンドポイントは、SQL分析ワークロードの作成と管理に使用されるものであり、クラスタの起動時間を改善するために使用されるものではないためです。
オプションBは正しくありません。ジョブクラスタと汎用クラスタの起動時間はほぼ同じだからです。ジョブクラスタは単一のジョブを実行するために専用に構築されたクラスタで、ジョブが完了すると終了します。汎用クラスタは、対話型セッション、ノートブック、複数のジョブなど、複数の用途に使用できるクラスタです。どちらのタイプのクラスタも、クラスタプールを利用することでメリットが得られます。
オプションCは推奨されません。クラスターをシングルノード構成にすると、タスクの並列処理能力とパフォーマンスが低下するためです。シングルノードクラスターは、ワーカーノードが1つしかないクラスターで、通常はテストや開発目的で使用されます。高い拡張性と耐障害性が求められる本番環境のジョブの実行には適していません。
オプションEは役に立ちません。データサイズが大きい場合にクラスターを自動スケーリングするように構成しても、クラスターの起動時間には影響しないからです。自動スケーリングとは、ワークロードに基づいてワーカーノードの数を動的に調整する機能です。クラスターのリソース利用率とコスト効率を最適化するのに役立ちますが、クラスターの作成プロセスを高速化するものではありません。
参考文献：
* クラスタープール
* 求人情報
* クラスター
* [Databricks データエンジニア プロフェッショナル試験ガイド]