Databricks DEA 是什么认证,考试怎么考?
Databricks Certified Data Engineer Associate(DEA)是 Databricks 官方的入门级数据工程师认证,对标 AWS Data Engineer Associate(DEA-C01)、Microsoft DP-700(Fabric Data Engineer)、Google Professional Data Engineer。但跟这些"云厂商原生"证书不同,Databricks 的定位是"跨云的统一数据 + AI 平台"— 你可以在 AWS、Azure、GCP 三朵云上都部署同一套 Databricks Workspace,这让它在多云企业里特别吃香。
考试基本参数(Databricks 官方页,2026-11-09 核对):报名费 USD 200(另加当地税费,每次重考按全价)、线上监考或考点考试(Kryterion)、45 道计分选择题(另可能有最多 10 道不计分题)、90 分钟、官方不公布及格分、英语 / 日语 / 巴西葡萄牙语 / 韩语、证书有效期 2 年。当前考试版本 2026-05-04 发布。
续证有两条路:重考当前版本的完整考试,或者考 Renewal Exam(25 道计分题、60 分钟、仅线上监考、同样 USD 200)。续证考试也要交费,不是免费的。
为什么 Databricks 值得认真对待:Databricks 用 Lakehouse 架构(Delta Lake 作为存储层 + Spark 作为计算层 + Unity Catalog 作为治理层)直接把数仓、数据湖、ML、BI 塞在一个平台里,这让它在需要"一套系统同时跑 ETL + ML 训练 + ad-hoc 分析"的公司(尤其是金融、电商、广告、游戏公司)里份额增长极快。
考纲 7 个领域权重(2026-08-06 版考试指南):
- Databricks Intelligence Platform:6%
- Data Ingestion and Loading:21%(Auto Loader、COPY INTO、各种数据源加载)
- Data Transformation and Modeling:22%(PySpark / SQL 做 ETL、建模)
- Working with Lakeflow Jobs:16%(原 Databricks Workflows)
- Implementing CI/CD:10%
- Troubleshooting, Monitoring, and Optimization:10%
- Governance and Security:15%(Unity Catalog、权限)
代码题能用 SQL 就用 SQL,其余用 Python。
跟 Spark Developer Associate 的区别:那张证书考的是纯 Apache Spark API(可以脱离 Databricks 用),DEA 考的是"在 Databricks 平台上做数据工程"— 包括 Delta Lake 专属特性、Lakeflow Jobs、Unity Catalog 这些只在 Databricks 才有的东西。如果你工作里用的就是 Databricks,考 DEA 比 Spark 那张更对口。
考试档案
- 考试代码
- DEA
- 发证机构
- 其他
- 题型
- 选择题(multiple choice)
- 考试语言
- English / 日本語 / Português (Brasil) / 한국어
- 考试方式
- 线上监考 / 考点考试(Kryterion)
- 证书有效期
- 2 年
- 考试费
- USD 200(另加当地税费;每次重考按全价收费)
你会学到的技能
学完能做什么
- Pass the Databricks DEA certification exam with confidence
- Master key concepts across all exam domains
- Identify and strengthen weak areas before the exam
适合这样的你
- Data engineers building and maintaining ELT pipelines on Databricks
- SQL and Python developers adopting Lakehouse architecture
- Analytics engineers preparing for Databricks platform certification
- Data analysts transitioning into data engineering roles
开始前需要什么
- 6+ months of hands-on Databricks experience (official recommendation)
- Proficiency in SQL and basic Python or PySpark programming
- Familiarity with ETL/ELT concepts, data warehousing, and data lakes
- Understanding of cloud-based data storage and compute fundamentals
Databricks DEA 怎么备考?
4 个章节 · 学习路径
安排你的备考
- 课程学习时长
- 30h
- 有相关实操经验
- 4-6 周
- 从基础开始
- 10-14 周
- 建议日投入
- 1.5-2h
备考支持
- 400 practice questions with detailed explanations
- Mock exams simulating real test conditions
- AI-powered tutoring for personalized study
- Progress tracking and weak area identification
1. 第一阶段:搭建 Databricks 实操环境(第 1 周)
用 Databricks Free Edition 免费练手,或者用云厂商上的 Databricks 试用账号体验完整的 Jobs 和 Unity Catalog 功能(各自的额度和限制以 Databricks 官网说明为准)。第 1 周目标:会建 Cluster、导入样例数据集(diamonds、airlines)、跑通一个 Notebook、把 DataFrame 写成 Delta 表。这个阶段别急着看考点,先把平台"手感"建立起来。
2. 第二阶段:Databricks Academy 官方课程(第 2-4 周)
先读官方考试指南,指南里列了对应的 Databricks Academy 培训。可以重点看这几块:Data Ingestion with Delta Lake(Auto Loader、COPY INTO、MERGE)、Deploy Workloads with Lakeflow Jobs(原 Databricks Workflows)、Build Data Pipelines with Lakeflow Declarative Pipelines(原 Delta Live Tables / DLT)。每门课都配 Notebook 实验 — 必须自己跑一遍,光看视频过不了。Unity Catalog 那部分要单独看 "Data Governance with Unity Catalog" 课程。
3. 第三阶段:针对性刷题(第 5-6 周)
官方考试指南末尾有按考点出的样题,配合 Databricks 提供的 AI Prep Guide 先做一遍;再用 JR Academy 150+ 题库按主题刷。常见薄弱点:PySpark 的 DataFrame API 细节(withColumn vs select、when/otherwise 条件、drop_duplicates 的 subset 参数)、Delta Lake 的 MERGE 语法(尤其是 WHEN MATCHED THEN UPDATE SET * 的行为)、Auto Loader 的 schema evolution 模式、Structured Streaming 的 trigger 类型(availableNow、processingTime、continuous)。每错一题都要去官方文档查清楚,不要死记答案。
4. 第四阶段:全真模考 + 查漏补缺(第 7-8 周)
严格按考试环境做模考:关手机、开计时器 90 分钟、45 题一气呵成、不能中途查资料。目标:连续 2 次模考 ≥ 80% 再安排正式考。考试中不允许任何参考资料。选线上监考的话,按官方要求提前跑一遍 Kryterion 的系统检查——公司电脑的防火墙经常会挡住监考软件。考前两周回官网再看一次考试指南,确认版本没有更新。
考 Databricks DEA 对职业有什么用?
为什么 Databricks 数据工程师的薪资比"普通"数据工程师高
市场上 "Databricks / Spark 数据工程师" 的中位薪资比泛数据工程师岗位高 10-20%。原因很实在:会 Databricks 的人普遍同时掌握 Spark、Delta Lake、Python、SQL 和某一朵云(AWS 或 Azure),技能栈宽;而且 Databricks 常出现在处理大规模数据的场景(TB 级以上日增量),这类岗位本身预算就更高。
各市场行情参考(非官方数据,按招聘市场观察整理)
- 澳洲 Sydney/Melbourne:Databricks Data Engineer AUD 130-165k(3-5 年经验),Senior 170-210k。在澳洲,Databricks 被 NAB、Westpac、CBA、Coles、Woolworths、Telstra 这几家大用户重度使用,配合 Azure 的项目非常多。Canberra 政府项目因为安全要求偶尔也招 Databricks 工程师,有 clearance 加成 15-25%。
- 美国:USD 140-210k,旧金山/纽约/西雅图溢价 20-40%。Block、Rivian、Condé Nast、Comcast 都是大买家,FAANG 里 Apple 和 Netflix 也有大量 Spark/Databricks 岗位。值得注意:FAANG 更倾向自研 Spark 栈,对 DEA 证书本身无感,但知识实打实有用。
- 中国一线:北上深 Databricks 工程师 RMB 35-65 万,主要在外资金融(高盛、摩根、汇丰中国)、跨境电商、新能源车企(蔚来、理想、小鹏的数据平台都有 Spark 栈)。纯国内大厂更倾向 Flink + Iceberg + StarRocks 自研栈,Databricks 实际用得不多。
- 新加坡:SGD 110-170k,金融业(DBS、OCBC、UOB)和跨境电商(Shopee、Lazada)是主要雇主。
真正值得考 DEA 的人
- 已经在 Databricks 客户公司干活:这是最直接的受益者。考 DEA 能让你系统学会你日常用的平台,而且很多公司会报销考试费 + 给内部晋升加分。Shell、HSBC、Condé Nast 这种大客户内部都有 Databricks 认证奖励政策。
- Spark / PySpark 开发者想做数据工程:你已经会 RDD 和 DataFrame,缺的是 Delta Lake 的 ACID 特性、Unity Catalog 的治理模型、Databricks Workflows 的编排。DEA 教材刚好补上这些。
- 从 SSIS/Informatica/传统 ETL 转型:你有 10+ 年 ETL 经验但技术栈老化,DEA 是进入现代数据栈的快速入口 — 比从零学 Hadoop 生态友好得多,因为 Databricks 把 Spark 的复杂度藏在 Notebook 和 SQL 后面。
- 想做数据工程 + ML 双栖:Databricks 最大的优势是 ML 和数据工程共用一个平台 — 先考 DEA 建立数据工程底子,再考 Databricks ML Associate 或 ML Professional,简历在 AI 时代非常吃香。
不建议考的人
- 纯 SQL 数仓工程师,公司跑 Snowflake、BigQuery、Redshift — Databricks 知识用不上,考 SnowPro Core 或 GCP PDE 更对口。
- 非数据岗位的人(前端、后端、产品、运维)— 这证书对你的岗位加分近乎为零,除非你要转数据工程。
- 只想"刷简历"但公司不用 Databricks 的转行者 — 招聘方会问你"实际跑过多大数据量",没有真实项目经验光有证书很容易被识破。
- 澳洲
- AUD 125,000 – 185,000
- 美国
- USD 135,000 – 210,000
- 中国
- CNY 350,000 – 650,000
- 新加坡
- SGD 100,000 – 170,000
备考时,做好这些事
- **用 Databricks Free Edition 随手验证语法**:考点里的 SQL、PySpark 写法最好都自己跑一遍。
- **考试指南样题至少做两遍**:考试指南末尾的样题按考点出,第一遍找差距,第二遍查文档理解每个选项为什么对/错。考前两周回官网确认指南版本。
- **PySpark 和 Spark SQL 都要会**:考题会混用两种语法,不要只学一种。尤其是窗口函数:PySpark 的 `Window.partitionBy().orderBy()` 和 SQL 的 `OVER (PARTITION BY ... ORDER BY ...)` 要能互相转换。
- **Delta Lake 专属命令必背**:DESCRIBE HISTORY、DESCRIBE DETAIL、RESTORE TABLE、VACUUM、OPTIMIZE(含 ZORDER BY)、VACUUM 的 RETAIN 参数(默认 7 天,低于 168 小时需要设 `spark.databricks.delta.retentionDurationCheck.enabled=false`,这个冷知识考过)。
- **Lakeflow Declarative Pipelines(DLT 新名字)概念要清楚**:LIVE 关键字、@dlt.table 装饰器、Expectations(`@dlt.expect`、`expect_or_drop`、`expect_or_fail` 三种严重级别)、Auto Loader 在 DLT 里的简化语法 `cloud_files()`。DLT 已改名 Lakeflow Declarative Pipelines,复习资料里可能新老术语混用。
- **在线监考注意事项**:考前用 Kryterion 的系统检查测一遍电脑、摄像头和网络;考试中不允许任何参考资料;网络要稳,能用网线就别用 WiFi。
- **证书有效期 2 年**:续证可以重考当前完整考试,或考 Renewal Exam(25 道计分题、60 分钟、仅线上、USD 200)。没考过要等 14 天才能重考,每次都按全价收费。
这些误区要避开
- **把 Delta Lake 当普通 Parquet 用** — Delta Lake 是 Parquet 文件 + transaction log(_delta_log 文件夹),这个 log 才是 ACID 的核心。常见错误:以为"写 Parquet 就行"、忽略 OPTIMIZE 和 VACUUM 命令(OPTIMIZE 做小文件合并、Z-ORDER 做数据 clustering、VACUUM 清理过期快照文件),结果查询性能越用越差、存储成本失控。考试会考"执行 OPTIMIZE 后 Time Travel 还能不能查历史版本"(能,VACUUM 才会真正删除旧文件)。
- **Structured Streaming 的 watermark 理解错** — Watermark 是告诉引擎"多晚到的数据我不再等了",用来平衡 late data 容忍度和状态存储大小。常见错误:以为 watermark 是"数据处理速度上限"或"触发间隔"。考题会给你一段代码 `.withWatermark("event_time", "10 minutes").groupBy(window(...))`,问"一条 event_time 比当前 watermark 早 15 分钟到达的数据会发生什么"(被丢弃,不会更新聚合结果)。
- **Unity Catalog 和老 Hive Metastore 混淆** — 老的 Hive Metastore 是两层命名(database.table),权限粒度粗、没有 catalog 层、不跨 workspace。Unity Catalog 是三层(catalog.schema.table)、支持 row/column 级安全、一个 Unity Catalog Metastore 可以服务多个 workspace、数据血缘自动追踪。考题会问"从 hive_metastore 的表迁移到 Unity Catalog,权限模型会如何变化"。别把 USE CATALOG 和 USE SCHEMA 混用。
- **分区(Partitioning)策略用错导致严重 skew** — Delta Lake 分区跟 Hive 一样按文件夹分,但 Databricks 强烈不推荐对高基数字段(user_id、timestamp 到秒)分区。正确做法:按日期(低基数、查询常用)分区 + 用 Z-ORDER 对 user_id 做二级 clustering。考题常给场景:"一张表按 timestamp 到秒分区,产生 300 万个小文件" — 让你选改进方案(答案是改成按 date 分区 + Z-ORDER BY timestamp)。
- **Auto Loader 的 schema evolution 模式搞错** — 有 5 种模式:addNewColumns(默认,新列自动加 + 流失败重启)、rescue(所有 schema 变更存到 _rescued_data 列)、failOnNewColumns(严格模式)、none(忽略新列)。生产场景最常用的是 addNewColumns,但考题会问"希望不中断流处理、所有未知字段保留但不修改 schema"(答案是 rescue)。
- **MERGE INTO 语法细节** — WHEN MATCHED / WHEN NOT MATCHED / WHEN NOT MATCHED BY SOURCE 三种子句的区别要分清。NOT MATCHED BY SOURCE 是 Databricks 扩展,用于删除目标表中源表不再有的行(SCD Type 1 硬删除场景)。考题会给一段 MERGE 代码问执行后的结果行数。
- **Lakeflow Jobs(原 Databricks Workflows)的 retry 和 dependency** — Jobs 的 task 之间可以设置依赖(DAG)和 retry 策略。考题常问"一个 task 失败后,依赖它的下游 task 会发生什么"(默认不会运行,除非配置了 Run if: At least one failed 这种条件)。Job Cluster 和 All-purpose Cluster 的区别也是考点:Job Cluster 任务结束后自动销毁、便宜;All-purpose 常驻、贵但快启动、适合交互开发。
报名前还有哪些常见问题?
Databricks Data Engineer Associate(DEA)考试考什么?
DEA 考试验证你在 Databricks 上完成基础数据工程任务的能力。按 2026 年 8 月更新的考试指南分 7 个领域:Databricks Intelligence Platform 6%、数据摄取与加载 21%、数据转换与建模 22%、Lakeflow Jobs 16%、CI/CD 10%、排障监控与优化 10%、治理与安全 15%。考试为 45 道计分选择题(另可能有最多 10 道不计分题),时长 90 分钟;Databricks 不公布及格分。报名费 USD 200(另加当地税费)。
考试需要什么先决条件?
没有硬性前提。Databricks 建议至少 6 个月 Databricks 实际使用经验,做过考试指南里列出的数据工程任务;官方培训不是必修,但强烈推荐。代码题能用 SQL 就用 SQL,其余用 Python。
DEA 和 DEP(Professional)有什么区别?
DEA 是入门级认证,考查基础的数据工程技能和 Databricks 平台使用能力。DEP 是高级认证,要求掌握复杂的数据管道设计、性能调优、高级 Delta Lake 特性和生产级架构设计。DEP 是 59–60 道计分题、120 分钟,DEA 是 45 道、90 分钟。官方没有要求先考 DEA,但先打好 DEA 的基础再考 DEP 更稳。
Delta Lake 在考试中占多大比重?
Delta Lake 是考试的核心重点之一。您需要掌握 Delta Lake 的 ACID 事务、Time Travel、MERGE 操作、Schema Evolution、优化命令(OPTIMIZE、VACUUM)等关键概念。官方考试指南没有单独给 Delta Lake 列权重,它分散在数据摄取、转换建模和排障优化几个领域里,建议在 Databricks Free Edition 里动手练。
如何使用本课程的 150 道题备考?
建议先按主题学习 Databricks 和 Data Engineering 两大模块,然后通过练习题巩固知识。重点关注 Delta Lake 操作、Structured Streaming 和 Unity Catalog 相关题目。使用模拟考试功能检验备考效果。
Databricks 认证对数据工程师职业有什么价值?
Databricks 是领先的数据和 AI 平台,在全球范围内被广泛采用。DEA 认证证明您具备使用 Lakehouse 架构进行数据工程的能力,在数据工程师、数据分析师和数据平台工程师等岗位中非常受欢迎。
听听学过的人怎么说
评价加载中…
我之前 3 年都在写原生 Spark(自建 Hadoop 集群那种),转到用 Databricks 的公司后发现 Delta Lake 和 Unity Catalog 完全是新东西。备考主要就补这两块:Delta Lake 的 Time Travel 和 MERGE 是考点重灾区,Unity Catalog 的三层命名空间(catalog.schema.table)和权限继承规则考的很细。最让我意外的是考试对 Auto Loader 的考查量很大 — 我在老公司一直用 Kafka + Structured Streaming,没碰过 Auto Loader,专门花了 3 天学。考完拿到 offer 直接涨 18%。
K. Zhang
Spark 开发者 → Databricks Data Engineer · 86% · 5 周
我 8 年 Informatica + Oracle 的 ETL 背景,完全没写过 Python,学 PySpark 的时候被各种 lambda 和 DataFrame 链式调用劝退过两次。Databricks Academy 的 Notebook 实验帮我建立了信心 — 每次照着敲一遍,很多概念就懂了。最难的不是语法,是思维转变:老派 ETL 是"先建 staging 表再 INSERT",Databricks 是"DataFrame 链式处理后 writeStream"。Structured Streaming 的 watermark 概念我到考前最后一周才真的搞懂 — 建议新手早点理解 event time vs processing time 的差别。
A. Patel
传统 ETL Developer(Informatica 8 年)转型中 · 73% · 12 周
我们公司是一家做量化交易数据的 startup,整套基础设施就是 Databricks on AWS + Delta Lake + Unity Catalog,每天处理 2TB 市场数据。考证动机很简单:老板愿意报销 + 团队有 3 个人考,形成了学习氛围。因为天天在平台上干活,备考主要是补考纲里"我没用过"的部分 — 比如 Lakeflow Declarative Pipelines(DLT)我们公司没用,纯靠 Jobs + Notebook 跑。4 周速成主要是看官方 Academy + 刷题。考完我们团队把 Unity Catalog 的 row-level filter 用起来了,合规团队很满意。
初创公司 Data Engineer
金融科技初创数据工程师 · 91% · 4 周
从第一章,开始你的备考。
前 2 章免费试学 · 完整备考 $29 起