DATABRICKS SESION 4

¿Qué es Databricks?

• A) Una herramienta de visualización de datos

• B) Un lenguaje de programación pyspark para tratamiento de datos

• C) Una plataforma de tratamiento de datos basada en la nube

• D) Un tipo de base de datos NoSQL y SQL

¿Qué característica principal define a un Lakehouse?

• Almacenamiento de datos estructurados y no estructurados exclusivamente

• Combina las características de los Data Lakes y Data Warehouses

• nueva generación potente de bases de datos NoSQL Pyspark

• Solución de almacenamiento en frío para datos históricos

¿Qué es un Runtime en el contexto de Databricks?

• A) Tiempo de ejecución de una consulta SQL

• B) Un sistema operativo personalizado

• C) entorno que ejecuta las aplicaciones Databricks

• D) Una unidad de almacenamiento de datos dbfs

¿Qué es un Cluster en Databricks?

• A) Un grupo de datos similares

• B) Una colección de nodos que ejecutan tareas en paralelo

• C) Un conjunto de maquinas (maestro-esclavo)

• D) Un modelo de machine learning

¿Qué define a un Sistema Distribuido?

• A) Un sistema que no puede operar en red privada

• B) Un sistema operativo de código abierto

• C) Un conjunto de computadoras independientes que aparecen como un sistema único

• D) Una base de datos distribuida en múltiples ubicaciones físicas

¿Cuál es el propósito principal de usar Clusters en Databricks?

• A) Mejorar la seguridad de los datos

• B) Almacenamiento de grandes volúmenes de datos

• C) Ejecutar procesos de manera distribuida para aumentar la eficiencia

• D) Reducir los costos de operación

¿Qué permite la arquitectura Lakehouse?

• A) Solo el análisis de datos en tiempo real

• B) La integración de datos estructurados y no estructurados para análisis avanzado

• C) Almacenamiento de datos exclusivamente en la nube

• D) Crear modelos machine learning

¿Qué representa un DBU?

• A) La cantidad de almacenamiento utilizado en Databricks.

• B) Una medida de la capacidad de procesamiento computacional consumida en Databricks.

• C) La duración de una sesión activa en Databricks.

• D) El costo por almacenar un terabyte de datos en Databricks.

Which of the following describes a benefit of a data lakehouse that is unavailable in a

traditional data warehouse?

• A. A data lakehouse provides a relational system of data management.

• B. A data lakehouse captures snapshots of data for version control purposes.

• C. A data lakehouse couples storage and compute for complete control.

• D. A data lakehouse utilizes proprietary storage formats for data.

• E. A data lakehouse enables both batch and streaming analytics.

2 A data architect is designing a data model that works for both video-based machine

learning workloads and highly audited batch ETL/ELT workloads.

Which of the following describes how using a data lakehouse can help the data architect

meet the needs of both workloads?

• A. A data lakehouse requires very little data modeling.

• B. A data lakehouse combines compute and storage for simple governance.

• C. A data lakehouse provides autoscaling for compute clusters.

• D. A data lakehouse stores unstructured data and is ACID-compliant.

• E. A data lakehouse fully exists in the cloud.