已不再支援此瀏覽器。
請升級至 Microsoft Edge，以利用最新功能、安全性更新和技術支援。
當資料來源系統擁有可靠的時間戳記欄位且每小時資料新鮮度足夠時，資料工程師應該選擇哪種擷取類型？
完全抽取
增量萃取
串流擷取
在 Azure Databricks 中，Delta Lake 相較於 Parquet 作為表格格式的主要優勢是什麼？
Delta Lake 透過其交易記錄提供 ACID 交易與時間旅行功能
Delta Lake 在柱狀儲存壓縮方面優於 Parquet
Delta Lake 支援的資料類型比 Parquet 更廣泛
Delta Lake 資料表何時建議進行資料分割？
所有資料表都應確保查詢效能一致
當資料表包含超過 1 TB 的資料時，查詢過濾器會與分割欄對齊
只有當資料表中包含高基數欄位（例如客戶ID）時才會使用
當需要歷史準確性以依客戶區域進行銷售歸因時，應該選擇哪種 SCD 類型？
SCD 類型 1
SCD 類型 2
SCD 類型 3
與傳統分區相比，Delta Lake 液體聚類的主要優勢是什麼？
液態聚類提供更好的資料壓縮
液態叢集允許在不重寫現有資料的情況下更改叢集鍵
液體聚類消除了 OPTIMIZE 指令的需求
您必須先回答所有問題，才能檢查進度。
此頁面對您有幫助嗎？
需要本主題的協助嗎？
想要嘗試使用 Ask Learn 來釐清或引導您完成本主題嗎？