Sie haben einen HDFS-Data-Lake zu Cloud Storage migriert. Data Scientists müssen Apache Spark und SQL mit Spalten-Level-Sicherheit in einer kostengünstigen Lösung ausführen, die sich zu einem Data Mesh skalieren lässt. Was bauen Sie auf?
Wählen Sie eine Antwort
Tippen Sie auf eine Option, um Ihre Antwort zu überprüfen.
Richtige Antwort: 1. Definieren Sie BigLake-Tabellen über den Cloud Storage-Daten. 2. Erstellen Sie eine Data Catalog-Taxonomie von Policy-Tags. 3. Wenden Sie Policy-Tags auf Spalten an. 4. Verarbeiten Sie mit dem Spark–BigQuery-Konnektor oder BigQuery SQL..
Warum dies die Antwort ist
Die korrekte Option nutzt BigLake-Tabellen, die es ermöglichen, strukturierte Daten in Cloud Storage mit BigQuery-Funktionen zu analysieren, einschließlich Spalten-Level-Sicherheit durch Policy-Tags. Dies ist kostengünstig, da die Daten in Cloud Storage verbleiben, und skalierbar für ein Data Mesh. Die Verarbeitung kann über den Spark–BigQuery-Konnektor oder BigQuery SQL erfolgen. Die erste Option mit Dataproc und Apache Hive/Ranger ist weniger kostengünstig, da langlebige Cluster teurer sind und Ranger komplexer zu verwalten ist. Die dritte Option, Daten in native BigQuery-Tabellen zu laden, ist teurer, da die Speicherung in BigQuery im Vergleich zu Cloud Storage höhere Kosten verursachen kann und die Daten dupliziert werden. Die vierte Option mit IAM auf Dateiebene bietet keine Spalten-Level-Sicherheit und ist daher für die Anforderung unzureichend.
Bestehen Sie Ihre Prüfung – ohne endlose Antwortsuche
Erhalten Sie jede verifizierte Frage und Erklärung für diese Prüfung an einem Ort und sparen Sie Stunden der Vorbereitung. Über 1.000 Zertifizierungen · Über 20 Sprachen · Kostenloser Start.
Bestehen Sie Ihre Prüfung schneller → Keine Karte erforderlich