Databricks Associate Developer for Apache Spark — Übungsfragen und Probeprüfung

Die Prüfung zum Databricks Certified Associate Developer for Apache Spark weist nach, dass du Anwendungen mit Apache Spark bauen kannst. Geprüft werden die DataFrame- und Dataset-APIs, Spark SQL, die Architektur und die Komponenten von Spark, Structured Streaming sowie Troubleshooting und Tuning von DataFrame-Anwendungen. Dazu kommt der sichere Umgang mit Spark Connect und der Pandas API on Spark. Der aktuelle Exam Guide formuliert dabei jede Aufgabe in Python.

Die Zertifizierung richtet sich an Entwicklerinnen und Entwickler, die schon mindestens ein halbes Jahr lang Anwendungen mit Apache Spark in Python oder Scala gebaut haben. Sie belegt, dass du die Kern-APIs von Spark praktisch beherrschst und Fragen zu Performance und Fehlersuche in einer verteilten Rechenumgebung sauber durchdenken kannst.

Die Entwicklung mit den DataFrame- und Dataset-APIs ist mit 30 % der größte Bereich. Er deckt die Arbeit mit Spalten und Zeilen ab, dazu Joins, Aggregationen und User-defined Functions mit stateful Operators. Architektur und Komponenten (20 %) sowie Spark SQL (20 %) folgen dicht dahinter und wiegen zusammen genauso schwer wie der DataFrame-Bereich allein: geprüft werden das Driver-Executor-Modell, Partitioning und Shuffles, Lazy Evaluation und das Lesen und Schreiben über Spark SQL gegen JDBC- und File-Sources.

Troubleshooting und Tuning sowie Structured Streaming bringen je 10 % und behandeln Adaptive Query Execution und Micro-Batch-Verarbeitung mit Exactly-once-Semantik. Spark Connect und die Pandas-API von Spark sind mit je 5 % die kleinsten Bereiche: neuere oder engere Themen, die viele Lernunterlagen auslassen, die aber trotzdem in der Prüfung auftauchen.

Die Prüfung besteht aus 45 gewerteten Multiple-Choice-Fragen in einem Zeitfenster von 90 Minuten, dazu können ungewertete Pilotfragen kommen. Die Fragen sind durchgängig szenariobasiert und decken die DataFrame- und Dataset-APIs, Spark SQL und die Cluster-Architektur ab. Gefragt ist nicht nur Syntax, sondern ob eine bestimmte Operation lazy oder eager ist und wie sich eine Entscheidung beim Partitioning auf die Performance weiter unten in der Pipeline auswirkt.

Der DB-SPARK-Pool deckt jede Domain ab und wird laufend um neue Fragen erweitert. Eine Probeprüfung stellt dir 45 Fragen am Stück, mit derselben 90-Minuten-Uhr wie am Prüfungstag.

Wie lange du brauchst, hängt davon ab, wie viel Praxiserfahrung du mitbringst. Den Rest legt der Anbieter fest: wie die Prüfung abläuft, wie schnell du wiederholen darfst und wie lange das Zertifikat gültig bleibt.

Die Prüfung läuft online mit Remote-Proctor oder in einem Testcenter und wird nur auf Englisch angeboten. Das Zertifikat gilt zwei Jahre; für die Rezertifizierung bestehst du die jeweils aktuelle Version der Prüfung.

Der DataFrame-API-Bereich prüft Urteilsvermögen, nicht nur Methodennamen: Du musst eine Transformation von einer Action unterscheiden, vorhersagen, wann ein Broadcast Join hilft und wann er den Executor-Speicher flutet, und das Verhalten auf Partitionsebene unter einer gegebenen Cluster-Konfiguration durchdenken. Die Architekturfragen gehen über Definitionen hinaus bis in die Ausführungshierarchie: was zwischen dem Aufruf einer Action und dem Scheduling der Tasks durch Spark passiert und wie Caching und Storage Levels bei Speicherdruck mit der Garbage Collection zusammenspielen. Spark Connect ist ein Fünf-Prozent-Bereich, den die meisten Lernunterlagen als optional behandeln. Er kommt trotzdem dran, genauso wie die Unterschiede zwischen den Deployment Modes client, cluster und local.