Databricks Data Analyst Associate — Übungsfragen und Probeprüfung

Partition Pruning überspringt ganze Partitionsverzeichnisse im Cloud-Storage, wenn die WHERE-Klausel auf die Partitionsspalte filtert. Bei einer nach date partitionierten Tabelle liest WHERE date = '2024-01-01' zum Beispiel nur die Dateien dieser Partition. Gute Partitionsspalten haben eine niedrige Kardinalität und klare Abfragemuster (Datum, Region). Delta Lake verwaltet die Partitionsmetadaten automatisch – MSCK REPAIR ist nicht nötig. Für Spalten, die keine Partitionsspalten sind, nutzt Delta Data Skipping (min/max-Statistiken pro Datei) und Dynamic File Pruning. Distraktor-Analyse: Die Option „Partition Pruning indiziert die Spaltenstatistiken innerhalb jeder…“ beschreibt Data Skipping bzw. Predicate Pushdown, nicht Partition Pruning. Die Option „Partition Pruning verteilt die Abfrageverarbeitung so…“ beschreibt Data Locality, nicht Partition Pruning. Die Option „Partition Pruning schreibt den Ausführungsplan der Abfrage um…“ beschreibt die Optimierung des Abfrageplans, nicht das Eliminieren von Partitionen. Ref: docs.databricks.com/en/tables/partitions.html; docs.databricks.com/en/delta/best-practices.html

Die Einrichtung eines Genie Space folgt einem strukturierten Ablauf: (1) 3-30 gut kuratierte Unity-Catalog-Tabellen/-Views auswählen. (2) Klare Instructions schreiben, die Business-Kennzahlen und Regeln definieren (z. B. „Umsatz schließt stornierte Bestellungen aus“). (3) Beschreibungen für Tabellen und Spalten ergänzen, damit der semantische Kontext stimmt. (4) Mit Beispielfragen testen und geprüftes SQL als Trusted Asset markieren. Der Knowledge Store – Instructions, Beschreibungen und Beispielabfragen – hilft Genie dabei, korrektes SQL zu erzeugen. Distraktor-Analyse: Die Option „Bestehende BI-Dashboard-Definitionen importieren…“ ist falsch – über den Import von BI-Dashboards werden Genie Spaces nicht konfiguriert. Die Option „Eine kuratierte Delta-Tabelle im Gold Layer…“ ist falsch – Gold-Layer-Tabellen helfen zwar, der entscheidende Schritt sind aber Instructions und Beschreibungen. Die Option „Die Sales-Datenbank über einen Unity-Catalog-Service-Principal anbinden…“ ist falsch – eine YAML-Konfiguration ist nicht nötig. Ref: docs.databricks.com/en/genie/set-up.html; docs.databricks.com/en/genie/best-practices.html

So wählst du die richtige Funktion: RANK: Wettkampf-Logik (wie bei Sportranglisten). „Zwei Personen teilen sich Platz 2, Platz 3 gibt es nicht.“ Einsatz für: Leaderboards, Wettkampfergebnisse. DENSE_RANK: fortlaufende Rangfolge mit geteilten Plätzen. „Zwei Personen teilen sich Platz 2, die nächste Person steht auf Platz 3.“ Einsatz für: Top-N-Filter, bei denen Lücken Probleme machen (WHERE rnk <= 3 mit RANK liefert bei Gleichstand auf Platz 2 unter Umständen nur 2 Zeilen, während DENSE_RANK mindestens 3 Ränge garantiert). ROW_NUMBER: garantiert eindeutige Nummern. Einsatz für: Deduplizierung (den ersten Datensatz je Gruppe behalten), Pagination (Alternative zu OFFSET/FETCH), eindeutige Zeilen-IDs.