Évaluation du module

1.

Que se passe-t-il lorsque l’application du schéma de Delta Lake rencontre une valeur de chaîne qui ne peut pas être convertie en type entier de la colonne cible ?

La valeur est automatiquement convertie en NULL

L’opération d’écriture génère une erreur

La valeur est stockée sous forme de chaîne dans une colonne de données sauvée

2.

Quelle fonction doit être utilisée pour convertir des valeurs entre les types de données lorsque les valeurs non valides doivent retourner NULL au lieu de déclencher une erreur ?

cast()

convert()

try_cast()

3.

Quel est l’objectif de l’option rescuedDataColumn lors de l’utilisation du chargeur automatique pour gérer la dérive du schéma ?

Pour stocker les noms de colonnes qui ont été renommés dans la source

Pour capturer des données qui ne correspondent pas au schéma attendu sans bloquer le pipeline

Pour corriger automatiquement les erreurs de type de données dans les fichiers sources

4.

Quelle action l’expect_or_drop effectue-t-elle lorsqu’un enregistrement viole la contrainte définie ?

Enregistre un avertissement et écrit l’enregistrement dans la table cible

Arrête le pipeline et annule toute mise à jour partielle

Supprime l’enregistrement avant d’écrire dans la table cible

5.

Quel type de contrainte doit être ajouté à une table Delta Lake pour s’assurer qu’une colonne de prix contient toujours des valeurs positives ?

Contrainte NOT NULL

Contrainte CHECK (vérification)

Contrainte PRIMARY KEY

6.

Quel est le comportement lorsqu’une Lakeflow Spark Declarative Pipeline comporte plusieurs flux parallèles et qu’un flux rencontre une violation d’expect_or_fail ?

Tous les flux dans le pipeline s'arrêtent immédiatement.

Seul le flux avec la violation s’arrête alors que d’autres flux continuent

Le pipeline interrompt tous les flux et attend une intervention manuelle

Vérifiez vos connaissances

Commentaires