모든 Databricks 시험에서 반복되는 실수 8가지와 문제에서 알아보는 법
Data Engineer와 Data Analyst Associate부터 Machine Learning Professional, Generative AI Engineer, Context Engineer까지, Databricks 시험 8종에 대해 연습 문제 1,960개를 만들었습니다. 문제마다 각 오답이 왜 틀렸는지 설명을 붙였습니다. 이 설명들을 나란히 놓고 읽어 보면, 주제가 Delta 테이블이든 Spark 조인이든 RAG 에이전트든 같은 실수 몇 가지가 계속 되풀이됩니다. 이 글은 그중 여덟 가지를 정리하고, 각 실수를 드러내는 문제 속 단서를 함께 소개합니다.
자주 틀리는 유형 · Databricks 자격증 (DBX-DEA, DBX-DEP, DBX-DAA, DBX-MLA, DBX-MLP, DBX-GAI, DBX-CEA, DBX-ASD)

1. 옛 이름이나 아직 완성되지 않은 기능을 고른다
Databricks는 제품 이름을 자주 바꾸고, 시험 가이드는 문서보다 늦게 반영됩니다. 이 문제은행의 Databricks 해설 중 34개가 "예전 이름"을 짚어 줘야 했습니다. 한편 이 문제은행은 정식 출시(GA)된 기능만 정답으로 삼으므로, Preview, Beta, Legacy 기능을 바탕으로 한 보기는 정답이 아닙니다.
| 이렇게 나올 수 있음 | 현재 이름 또는 대체 기능 |
|---|---|
| Mosaic AI Vector Search | Databricks AI Search |
| Lakehouse Monitoring | Data profiling |
| Databricks Asset Bundles | Declarative Automation Bundles |
| Genie spaces · AI Gateway | Genie Agents · Unity Gateway |
| 워크스페이스 레지스트리의 모델 스테이지 | Champion 같은 별칭(alias)을 쓰는 Unity Catalog의 모델 |
Hyperopt · trigger(once=True) | Optuna 또는 Ray Tune · trigger(availableNow=True) |
단서: 동작은 하지만 Preview, Beta, Legacy, deprecated, "더 이상 유지 관리되지 않음"으로 표시된 기능에 기대는 보기. 옛 이름을 알아보고, 현재 정식 출시(GA)된 방법을 고르십시오.
2. 테이블 권한만 주고 상위 객체를 잊는다
Unity Catalog 테이블을 읽으려면 권한 세 개가 필요합니다. 카탈로그의 USE CATALOG, 스키마의 USE SCHEMA, 테이블의 SELECT입니다. 이 문제은행의 Databricks 해설 중 63개가 데이터 엔지니어링, 분석, ML, GenAI 문제를 가리지 않고 이 사용 권한(usage privilege)으로 돌아옵니다. 함정의 모양은 다양합니다. MANAGE를 가진 관리자도 바로 읽을 수는 없습니다. MANAGE에는 SELECT가 포함되지 않고, 상위 객체의 사용 권한도 필요합니다. BROWSE는 메타데이터를 보여 줄 뿐 쿼리는 허용하지 않습니다. 모델을 만드는 사람에게는 CREATE MODEL뿐 아니라 USE CATALOG와 USE SCHEMA도 필요합니다.
단서: "이미 SELECT(또는 MANAGE)가 있는데도 권한 오류가 난다". 권한은 아래로 상속될 뿐, 위로는 절대 상속되지 않습니다.
초보자 팁: 권한 문제에 객체가 나오면 보기를 보기 전에 전체 경로를 상자 세 개(카탈로그, 스키마, 객체)로 그리고, 상자마다 필요한 권한을 적으십시오. 테이블이라면 USE CATALOG, USE SCHEMA, SELECT입니다. 함수라면 USE CATALOG, USE SCHEMA, EXECUTE입니다. 비어 있는 상자가 대개 정답입니다.
3. 라벨이나 문장을 잠금장치로 착각한다
의도를 표시할 뿐 아무것도 강제하지 않는 기능이 여럿 있고, 시험은 그것이 무엇인지 아는지 확인합니다.
system.certification_status의certified와deprecated값은 라벨입니다. deprecated 테이블도 권한이 바뀌거나 테이블이 삭제되기 전까지는 계속 읽을 수 있습니다.- "승인된 문서만 사용하라" 같은 프롬프트 규칙은 접근 제어가 아닙니다. 이 문제은행의 DBX-CEA 해설이 거듭 강조하듯, 검색 범위는 문구가 아니라 권한 경계와 코퍼스에서 제한해야 합니다.
- 모델 버전의 태그는 검증 결과를 기록할 뿐 파이프라인을 멈추지 않습니다.
- "알림 전송"으로 설정한 예산 임곗값은 접근을 계속 허용합니다. 요청을 거부하는 것은 "사용 차단"뿐입니다.
단서: 지문은 무언가를 막아야 한다고 하는데, 보기는 설명하거나 태그를 달거나 부탁하기만 하는 경우.
4. 설계 문제를 용량으로 해결하려 한다
"워커 추가", "더 큰 웨어하우스 사용", "파티션 수 늘리기", "더 큰 컨텍스트 창 사용". 이런 보기는 솔깃하지만 대개 오답입니다. 병목이 늘린 용량이 투입되는 곳에 있지 않기 때문입니다.
GROUP BY의 데이터 쏠림(skew): 파티션이나 코어를 아무리 늘려도 핫 키 하나는 여전히 한 파티션으로 해시됩니다. 솔팅(salting)이나 사전 집계로 분산해야 합니다(DBX-DEP).- 잡 타임라인에 빈틈이 있고 드라이버는 바쁜데 워커는 놀고 있음: 워커는 드라이버를 기다리는 중이므로 워커를 늘려도 소용없습니다(DBX-DEP).
- 큐는 비어 있는데 모델 추론 지연 시간이 두 배가 된 서빙 엔드포인트: 시간은 모델이나 피처 조회에서 쓰이므로 복제본을 늘려도 효과가 없습니다. 추론 지연 시간은 그대로인데 큐 대기 시간이 길다면 그때가 용량을 늘려야 하는 경우입니다(DBX-MLP).
- 더 큰 임베딩 창은 텍스트가 작은 창을 넘칠 때만 의미가 있습니다(DBX-GAI). 더 큰 컨텍스트 창은 컨텍스트 문제를 뒤로 미룰 뿐입니다(DBX-CEA).
단서: 한 구성 요소만 과부하이고 나머지는 놀고 있음을 보여 주는 지표.
더 깊이: AQE가 쏠린 조인은 고치지만 쏠린 집계는 못 고치는 이유
Adaptive Query Execution(AQE)은 셔플 경계에서 실제 파티션 크기를 보고 실행 계획을 다시 세웁니다. sort-merge 조인과 shuffle hash 조인에서는 너무 큰 파티션을 여러 태스크로 나눌 수 있습니다. 큰 쪽의 조각마다 반대쪽의 일치하는 행과 따로 조인할 수 있기 때문입니다. 단순 집계에는 복제할 반대쪽이 없습니다. 결과 하나를 내려면 한 키의 모든 행이 한곳에 모여야 하므로, 파티션을 나누면 부분적인 답만 나옵니다. 문서에 나온 해결책은 그 분할을 직접 하는 것입니다. 먼저 키와 무작위 솔트로 집계하고, 그다음 작은 부분 결과를 키로 다시 집계합니다. 핫 키의 작업이 여러 태스크에 분산되고, 두 번째 단계는 키당 몇 행만 처리합니다.
5. 정확한 참조를 넘기지 않고 "최신"을 요청한다
한 단계가 만든 결과를 다음 단계가 써야 할 때, 올바른 설계는 정확한 참조를 넘깁니다. 학습 태스크는 등록된 모델 URI를 태스크 값(task values)으로 검증 단계에 넘깁니다. 레지스트리에 최신 버전을 요청하는 방식은 실행 두 개가 겹치는 순간 깨집니다. 사용하는 쪽은 @Champion을 로드하고, 승격은 별칭을 옮기는 방식이므로 배치 작업과 엔드포인트는 코드 변경 없이 따라갑니다. Lakeflow Jobs에서 For each 태스크는 큰 입력을 조회 태스크와 태스크 값 참조로 넘깁니다.
단서: 동시에 실행될 수 있는 파이프라인에 대한 보기에 "latest", "most recent", "highest version" 같은 말이 있는 경우.
6. 엉뚱한 쪽을 고친다
실패 지점이 두 군데일 수 있는 시나리오가 많고, 보기는 양쪽을 모두 고칩니다. 고르기 전에 어느 쪽이 실패했는지 찾으십시오.
- RAG: 검색이 올바른 문단을 가져왔습니까? 아니라면 프롬프트를 아무리 바꿔도 소용없습니다. 가져왔는데도 답이 없는 내용을 지어낸다면 생성 쪽을 고치십시오.
- Spark 메모리 부족(out-of-memory):
spark.driver.maxResultSize를 넘는collect는 드라이버 문제입니다. 조인 태스크의 Java 힙 오류는 익스큐터 문제이며, 셔플 파티션을 늘리면 완화될 수 있습니다. - 느린 SQL:
system.query.history의 소요 시간 열들을 비교하십시오. 용량이 꽉 차서 큐에서 기다린 시간이라면 쿼리 튜닝이 아니라 컴퓨트 변경이 필요합니다.
단서: 지문이 증거(트레이스, 로그 한 줄, UI 타일)를 줍니다. 해결책을 읽기 전에 그 증거로 결함 위치를 찾으십시오.
7. 측정 방식이 다른 두 대상을 비교한다
비교는 바꾼 것 하나를 빼고 나머지가 모두 같을 때만 무언가를 증명합니다. 이 문제은행의 DBX-GAI 해설은 다른 곳에서 측정한 숫자가 아니라 자체 평가 세트에서 같은 프롬프트와 스코어러로 모델을 비교하라고 강조합니다. DBX-MLP도 모델에 같은 규칙을 적용합니다. 도전자 모델과 챔피언 모델은 몇 달 전에 저장한 지표가 아니라 같은 새 홀드아웃(holdout) 데이터로 평가해야 합니다. DBX-CEA는 편차까지 봅니다. 운 좋은 실행 한 번은 믿을 만한 구성이 아닙니다.
단서: 새 점수를 옛 점수, 리더보드, 다른 데이터로 한 실행과 비교하는 보기.
8. 아직 아무것도 실행되지 않았다는 점을 잊는다
Spark 변환은 지연 실행(lazy)되며, DBX-ASD와 데이터 엔지니어링 시험은 이를 여러 측면에서 묻습니다. cache()는 첫 액션 전까지 아무것도 저장하지 않습니다. 액션마다 적어도 하나의 잡을 따로 시작합니다. 임시 뷰는 실행 계획에 붙인 이름일 뿐이라서, DataFrame을 캐시하지 않으면 그 뷰에 대한 쿼리마다 계획을 다시 계산합니다. 데이터에 따라 달라지는 오류는 액션이 실행될 때만 나타납니다.
단서: count, collect, show나 쓰기 없이 끝나는 코드, 또는 무언가가 "즉시 로드된다"고 하는 보기.
이 목록 활용법
연습 문제를 틀리면 해설을 읽기 전에 이 여덟 가지 유형 중 하나로 라벨을 붙이십시오. 몇 세트를 풀고 나면 한두 개 라벨이 두드러집니다. 그것이 진짜 약점이며, 대개 여러 도메인에 걸쳐 있습니다.
연습하기
문제은행에서 연습하십시오. 모든 문제에 정답과 오답 보기마다 해설이 있습니다. 방금 공부한 도메인부터 시작하고, 그다음 시간 제한이 있는 모의고사를 보십시오.
- DBX-DEA 시험 안내 · DBX-DEA 문제 전체 285개 · 시간 제한 모의고사 · 20일 학습 계획
- 도메인별 (DBX-DEA): Databricks Intelligence Platform · Data Ingestion and Loading · Data Transformation and Modeling · Working with Lakeflow Jobs · Implementing CI/CD · Troubleshooting, Monitoring, and Optimization · Governance and Security
- DBX-DEP 시험 안내 · DBX-DEP 문제 전체 360개 · 시간 제한 모의고사 · 25일 학습 계획
- 도메인별 (DBX-DEP): Developing Code for Data Processing using Python and SQL · Data Ingestion & Acquisition · Data Manipulation · Monitoring and Alerting · Cost & Performance Optimization · Ensuring Data Security and Compliance · Data Governance · Debugging and Deploying · Data Modeling
- DBX-DAA 시험 안내 · DBX-DAA 문제 전체 285개 · 시간 제한 모의고사 · 17일 학습 계획
- 도메인별 (DBX-DAA): Understanding of the Databricks Data Intelligence Platform · Managing Data · Importing Data · Executing Queries using Databricks SQL and SQL Warehouses · Analyzing Queries · Dashboards and Visualizations · AI/BI Genie Agents (Genie Spaces) · Data Modeling with Databricks SQL · Securing Data
- DBX-MLA 시험 안내 · DBX-MLA 문제 전체 300개 · 시간 제한 모의고사 · 19일 학습 계획
- 도메인별 (DBX-MLA): Databricks Machine Learning · Data Processing · Model Development · Model Deployment
- DBX-MLP 시험 안내 · DBX-MLP 문제 전체 355개 · 시간 제한 모의고사 · 19일 학습 계획
- 도메인별 (DBX-MLP): Model Development · MLOps · Model Deployment
- DBX-GAI 시험 안내 · DBX-GAI 문제 전체 285개 · 시간 제한 모의고사 · 19일 학습 계획
- 도메인별 (DBX-GAI): Design Applications · Data Preparation · Application Development · Assembling and Deploying Applications · Governance · Evaluation and Monitoring
- DBX-CEA 시험 안내 · DBX-CEA 문제 전체 285개 · 시간 제한 모의고사 · 16일 학습 계획
- 도메인별 (DBX-CEA): Foundations of Context Engineering · System Prompt and Instruction Design · Knowledge Retrieval and Genie Configuration · Memory Architecture with Lakebase and MLflow · Tool Design, MCP, and Agent Context · Context Compression and Compaction · Multi-Agent and Long-Horizon Task Design
- DBX-ASD 시험 안내 · DBX-ASD 문제 전체 285개 · 시간 제한 모의고사 · 17일 학습 계획
- 도메인별 (DBX-ASD): Apache Spark Architecture and Components · Using Spark SQL · Developing Apache Spark DataFrame/DataSet API Applications · Troubleshooting and Tuning Apache Spark DataFrame API Applications · Structured Streaming · Using Spark Connect to Deploy Applications · Using Pandas API on Spark
수치는 이 문제은행의 해설에서 집계했습니다. 제품 이름, Preview 상태, 기본값은 자주 바뀝니다. 각 시험의 공식 가이드와 최신 Databricks 문서를 확인하십시오.