Databricks Data Analyst Associate — Questions d'entraînement et examen blanc

Le partition pruning ignore des répertoires de partition entiers dans le stockage cloud lorsque la clause WHERE filtre sur la colonne de partitionnement. Par exemple, sur une table partitionnée par date, WHERE date = '2024-01-01' ne lit que les fichiers de cette partition. Les meilleures colonnes de partitionnement ont une faible cardinalité et des schémas de requête clairs (date, région). Delta Lake gère automatiquement les métadonnées de partition : pas besoin de MSCK REPAIR. Pour les colonnes qui ne servent pas au partitionnement, Delta utilise le data skipping (statistiques min/max par fichier) et le dynamic file pruning. Analyse des distracteurs : L'option « Le partition pruning indexe les statistiques de colonnes à l'intérieur de chaque… » décrit le data skipping / predicate pushdown, pas le partition pruning. L'option « Le partition pruning redistribue le traitement de la requête… » décrit la localité des données, pas le partition pruning. L'option « Le partition pruning réécrit le plan d'exécution de la requête… » décrit l'optimisation du plan de requête, pas l'élimination de partitions. Ref: docs.databricks.com/en/tables/partitions.html; docs.databricks.com/en/delta/best-practices.html

La configuration d'un Genie Space suit un déroulé structuré : (1) Sélectionner 3-30 tables/vues Unity Catalog bien curées. (2) Écrire des instructions claires qui définissent les métriques et les règles métier (par exemple, « Le chiffre d'affaires exclut les commandes annulées »). (3) Ajouter des descriptions de tables et de colonnes pour le contexte sémantique. (4) Tester avec des questions d'exemple et marquer le SQL vérifié comme trusted asset. Le knowledge store — instructions, descriptions et requêtes d'exemple — aide Genie à générer du SQL correct. Analyse des distracteurs : L'option « Importer les définitions des tableaux de bord BI existants… » est fausse : ce n'est pas en important des tableaux de bord BI que l'on configure un espace Genie. L'option « Créer une table Delta curée dans la couche Gold… » est fausse : les tables de la couche Gold aident, mais l'étape clé reste les instructions et les descriptions. L'option « Connecter la base de données des ventes via un service principal Unity Catalog… » est fausse : aucune configuration YAML n'est nécessaire. Ref: docs.databricks.com/en/genie/set-up.html; docs.databricks.com/en/genie/best-practices.html

Choisir la bonne fonction : RANK : logique de compétition (comme un classement sportif). « Deux personnes sont à égalité à la 2e place, personne n'est 3e. » À utiliser pour : les leaderboards, les résultats de compétition. DENSE_RANK : classement séquentiel avec positions partagées. « Deux personnes sont à égalité à la 2e place, la personne suivante est 3e. » À utiliser pour : le filtrage top-N où les trous posent problème (WHERE rnk <= 3 avec RANK peut ne renvoyer que 2 lignes s'il y a des ex æquo au rang 2, alors que DENSE_RANK garantit au moins 3 rangs). ROW_NUMBER : des numéros uniques garantis. À utiliser pour : la déduplication (garder la première ligne par groupe), la pagination (alternative à OFFSET/FETCH), des identifiants de ligne uniques.