发现真实盲区
场景化考题会暴露“以为懂但实际不确定”的区域—COPY INTO 会不会重复导入？动态表什么时候走全量？这些判断在生产上至关重要。
认证价值
为什么值得拿这张认证
无论你是正在上手 Lakehouse 的工程师，还是已有实践经验想系统沉淀的架构师，
这张认证都能帮你做一件事：把“用过”变成“真正懂”
系统化产品认知
17 个能力域覆盖 Lakehouse 全貌。备考的过程本身就是一次从数据集成、增量计算到 AI 应用的系统性梳理。
团队与项目公信力
在技术方案评审、架构选型讨论中，用认证成绩作为客观依据，比“我觉得”更有说服力。
官方能力认可
由云器科技出题与认定，基于真实产品文档与最佳实践，是对 Lakehouse 掌握程度的官方背书。
认证证书
通过认证，获得官方颁发的证书
证书由云器科技官方签发，有效期2年，包含唯一认证编号，可供企业和客户核验
考前必学
考前重点准备方向
本认证考查的是产品理解与场景判断，以下是各能力域的核心知识点，
建议重点熟悉
- 动态表 vs 物化视图 vs 视图：何时选哪个
- Dynamic Table 增量与全量刷新的触发条件
- Table Stream 两种模式的适用场景
- 消费 Stream 的陷阱（WHERE 过滤与位点）
- Pipe vs COPY INTO vs 实时同步的选型边界
- 整库镜像 vs 多表镜像：自动纳新表的差异
- COPY INTO 幂等机制与 OVERWRITE 的区别
- Kafka Pipe 默认消费位置行为
- 通用型 / 分析型 / 同步型的核心差异
- 横向扩副本 vs 纵向调规格的适用场景
- 索引选型：布隆过滤器 / 倒排 / 向量
- 分区与分桶的协同与选型
- AI 专用函数 vs AI_COMPLETE 的选择原则
- 向量检索 + 标量过滤的性能陷阱
- 语义视图解决的是什么问题
- External Catalog 联邦查询的读写限制
- UNDROP vs RESTORE：对象不存在 vs 数据被改
- Time Travel 保留周期与 TTL 的独立性
- RBAC 与 ACL 并存时的权限叠加规则
- 数据分享：跨实例只读、无复制、实时
- 主键模式（ENABLE VALIDATE vs DISABLE NOVALIDATE）
- TIMESTAMP 不能直接作分区列的处理方式
- 类型转换宽松模式：哪些静默返回 NULL
- CLUSTERED BY 与 SORTED BY 的配合规则
考核范围
19个能力域
覆盖云器 Lakehouse的全栈能力，从通用架构理论到产品核心功能，系统检验工程师
在真实业务场景中的判断与设计能力
- Lakehouse 架构理论
- 数据管道设计
- 增量计算与动态表
- 数据集成与导入
- Table Stream 与 CDC
- 分区 / 聚簇 / 索引 / 性能
- SQL 与内置函数
- 联邦查询 / 湖上加速 / 迁移
- 向量 / 全文检索
- 计算集群与成本
- AI 函数与语义层 / Agent
- 权限与安全
- Time Travel 与数据保护
- 建表与数据类型
- Studio 与运维治理
- Volume 与存储
- 数据分享
- 开发接口 / SDK
- 行业解决方案
考试规则
参加前请确认
登录即开始计时，请确认准备就绪后再进入
题目与分值
100 道题，满分 100 分
考试时长
90 分钟
作答次数
每账号限 1 次
成绩查询
交卷后即可查看
防作弊
切屏不超过 20 次
