시나리오: ADatum은 Health Interface 애플리케이션에 대해 다음 요구 사항을 식별합니다.
Azure에서 더 확장 가능한 일괄 처리 솔루션을 지원합니다.
새로운 병원의 데이터를 Health Interface에 추가하는 데 걸리는 시간을 줄입니다.
Data Factory는 Azure Cosmos DB 대량 실행 라이브러리와 통합되어 Azure Cosmos DB에 쓸 때 최고의 성능을 제공합니다.
참조:
https://docs.microsoft.com/en-us/azure/data-factory/connector-azure-cosmos-db 데이터 처리 솔루션 설계 Testlet 5 사례 연구 사례 연구입니다. 사례 연구는 별도로 시간이 지정되지 않습니다. 각 사례를 완료하고 싶은 만큼 시험 시간을 사용할 수 있습니다. 그러나 이 시험에 추가 사례 연구 및 섹션이 있을 수 있습니다. 주어진 시간 내에 이 시험에 포함된 모든 문제를 완료할 수 있도록 시간을 관리해야 합니다.
사례 연구에 포함된 질문에 답하려면 사례 연구에 제공된 정보를 참조해야 합니다. 사례 연구에는 사례 연구에 설명된 시나리오에 대한 추가 정보를 제공하는 전시 및 기타 리소스가 포함될 수 있습니다. 각 질문은 이 사례 연구의 다른 질문과 독립적입니다.
이 사례 연구가 끝나면 검토 화면이 나타납니다. 이 화면에서 답을 검토하고 시험의 다음 섹션으로 이동하기 전에 변경할 수 있습니다. 새 섹션을 시작한 후에는 이 섹션으로 돌아갈 수 없습니다.
사례 연구를 시작하려면
이 사례 연구의 첫 번째 질문을 표시하려면 다음 버튼을 클릭하십시오. 질문에 답하기 전에 왼쪽 창에 있는 버튼을 사용하여 사례 연구의 내용을 탐색하십시오. 이 버튼을 클릭하면 비즈니스 요구 사항, 기존 환경 및 문제 설명과 같은 정보가 표시됩니다. 사례 연구에 모든 정보 탭이 있는 경우 표시되는 정보는 후속 탭에 표시되는 정보와 동일합니다. 질문에 답할 준비가 되면 질문 버튼을 클릭하여 질문으로 돌아갑니다.
개요
당신은 Trey Research의 데이터 엔지니어입니다. 이 회사는 북미 전역에 스마트 고속도로 인프라를 구축하기 위해 정부와 공동 프로젝트를 거의 완료하고 있습니다. 여기에는 교통 흐름, 자동차 속도 및 차량 세부 정보를 측정하기 위한 센서와 카메라의 배치가 포함됩니다.
스마트 고속도로의 비즈니스 및 기술 요구 사항을 충족할 클라우드 솔루션을 설계하라는 요청을 받았습니다.
솔루션 구성 요소
원격 측정 캡처
원격 측정 캡처 시스템은 차량이 센서 앞을 지나갈 때마다 기록합니다. 센서는 맞춤형 임베디드 운영 체제에서 실행되며 다음 원격 측정 데이터를 기록합니다.
* 시간
* 위도와 경도의 위치
* 속도(km/h)
* 차량 길이(미터)
시각적 모니터링
시각 모니터링 시스템은 2초마다 차량 교통의 이미지를 캡처하는 고속도로 근처에 배치된 약 1,000개의 카메라 네트워크입니다. 카메라는 고해상도 이미지를 기록합니다. 각 이미지의 크기는 약 3MB입니다.
요구 사항. 사업
회사는 다음과 같은 비즈니스 요구 사항을 식별합니다.
* 외부 공급업체는 기계 학습 기술을 사용하여 데이터에 대한 맞춤형 분석을 수행할 수 있어야 합니다.
* 원격 측정, 볼륨 및 처리 대기 시간과 같은 메트릭을 표시하는 작업 상태 페이지에 대시보드를 표시해야 합니다.
* 교통 데이터는 고속도로 시스템의 변경을 모델링할 목적으로 정부 기획부에 제공되어야 합니다. 교통 데이터는 스포츠 이벤트, 기상 조건 및 인구 통계와 같은 이벤트에 대한 정보와 같은 다른 데이터와 함께 사용됩니다. 모델링 중에 사용되는 외부 데이터는 온-프레미스 SQL Server 2016 데이터베이스에 저장되고 CSV 파일은 Azure Data Lake Storage Gen2 스토리지 계정에 저장됩니다.
* 지난 30분 동안 제한 속도를 초과한 것으로 감지된 차량에 대한 정보는 법 집행관에게 제공되어야 합니다. 여러 법 집행 기관이 과속 차량에 대응할 수 있습니다.
* 솔루션은 법 집행 조사를 지원하기 위해 번호판으로 차량 이미지 검색을 허용해야 합니다. 검색은 쿼리 언어를 사용하여 수행할 수 있어야 하며 번호판 감지 오류를 보완하기 위해 퍼지 검색을 지원해야 합니다.
요구 사항. 보안
솔루션은 다음 보안 요구 사항을 충족해야 합니다.
* 외부 공급업체는 센서 데이터 또는 이미지에 직접 액세스할 수 없습니다.
* 차량 모니터링 솔루션에서 생성된 이미지는 1개월 후에 삭제해야 합니다. 데이터 저장소에서 이미지 삭제와 관련된 비용을 최소화해야 합니다.
* 데이터의 무단 사용은 실시간으로 감지되어야 합니다. 비인가 사용은 비정상적인 사용 패턴을 찾아 판단합니다.
* 솔루션에서 사용하는 Azure 리소스에 대한 모든 변경 사항을 기록하고 저장해야 합니다. 사고 대응을 위해 데이터를 보안 팀에 제공해야 합니다.
요구 사항. 센서 데이터
가장 가까운 Azure 지역에 모든 원격 분석 데이터를 작성해야 합니다. 원격 측정 캡처 시스템에 사용되는 센서는 사용 가능한 메모리 양이 적으므로 원격 측정 데이터 손실을 방지하기 위해 가능한 한 빨리 데이터를 작성해야 합니다.
데이터 처리 솔루션 설계
테스트렛 6
사례 연구
이것은 사례 연구입니다. 사례 연구는 별도로 시간이 지정되지 않습니다. 각 사례를 완료하고 싶은 만큼 시험 시간을 사용할 수 있습니다. 그러나 이 시험에 추가 사례 연구 및 섹션이 있을 수 있습니다. 주어진 시간 내에 이 시험에 포함된 모든 문제를 완료할 수 있도록 시간을 관리해야 합니다.
사례 연구에 포함된 질문에 답하려면 사례 연구에 제공된 정보를 참조해야 합니다. 사례 연구에는 사례 연구에 설명된 시나리오에 대한 추가 정보를 제공하는 전시 및 기타 리소스가 포함될 수 있습니다. 각 질문은 이 사례 연구의 다른 질문과 독립적입니다.
이 사례 연구가 끝나면 검토 화면이 나타납니다. 이 화면에서 답을 검토하고 시험의 다음 섹션으로 이동하기 전에 변경할 수 있습니다. 새 섹션을 시작한 후에는 이 섹션으로 돌아갈 수 없습니다.
사례 연구를 시작하려면
이 사례 연구의 첫 번째 질문을 표시하려면 다음 버튼을 클릭하십시오. 질문에 답하기 전에 왼쪽 창에 있는 버튼을 사용하여 사례 연구의 내용을 탐색하십시오. 이 버튼을 클릭하면 비즈니스 요구 사항, 기존 환경 및 문제 설명과 같은 정보가 표시됩니다. 사례 연구에 모든 정보 탭이 있는 경우 표시되는 정보는 후속 탭에 표시되는 정보와 동일합니다. 질문에 답할 준비가 되면 질문 버튼을 클릭하여 질문으로 돌아갑니다.
개요
Litware, Inc.는 미국 전역에 300개의 편의점을 소유 및 운영하고 있습니다. 이 회사는 샌드위치, 피자와 같은 다양한 조리 식품뿐만 아니라 다양한 포장 식품 및 음료를 판매합니다.
Litware에는 회원이 결제 시 회원 번호를 제공하여 특정 품목에 대해 매일 할인을 받을 수 있는 로열티 클럽이 있습니다.
Litware는 Microsoft Power BI를 사용하여 데이터를 분석하는 것을 선호하는 비즈니스 분석가와 Azure Databricks 노트북에서 데이터를 분석하는 것을 선호하는 데이터 과학자를 고용합니다.
요구 사항. 사업 목표
Litware는 다음 요구 사항을 충족하기 위해 Azure에서 새로운 분석 환경을 만들려고 합니다.
* 매장 전체의 재고 수준을 확인하세요. 데이터는 가능한 한 실시간에 가깝게 업데이트되어야 합니다.
* 충성도 클럽 할인이 할인 제품의 판매를 증가시키는지 여부를 식별하기 위해 과거 데이터에 대한 임시 분석 쿼리를 실행합니다.
* 4시간마다 판매 데이터의 과거 수요를 기반으로 생산할 준비된 식품 품목의 수를 매장 직원에게 알립니다.
요구 사항. 기술 요구 사항
Litware는 다음과 같은 기술 요구 사항을 식별합니다.
* 비즈니스 목표를 달성하는 데 필요한 다양한 Azure 서비스의 수를 최소화합니다.
* 가능한 한 PaaS(Platform as a Service) 제품을 사용하고 Litware에서 관리해야 하는 가상 머신을 프로비저닝하지 않아도 됩니다.
* 분석 데이터 저장소는 회사의 온-프레미스 네트워크 및 Azure 서비스에서만 액세스할 수 있는지 확인합니다.
* 가능할 때마다 Azure Active Directory(Azure AD) 인증을 사용합니다.
* 보안 설계 시 최소 권한 원칙을 사용합니다.
* 데이터를 분석 데이터 저장소에 로드하기 전에 Azure Data Lake Storage Gen2에서 인벤토리 데이터를 준비합니다. Litware는 데이터가 더 이상 사용되지 않으면 Data Lake Storage에서 일시적인 데이터를 제거하려고 합니다.
수정 날짜가 14일보다 오래된 파일은 제거해야 합니다.
* 전화번호와 같은 고객 연락처 정보에 대한 비즈니스 분석가의 액세스를 제한합니다. 이러한 유형의 데이터는 분석적으로 관련이 없기 때문입니다.
* 손상 또는 실수로 삭제된 경우 1시간 이내에 분석 데이터 저장소 사본을 신속하게 복원할 수 있는지 확인하십시오.
요구 사항. 계획된 환경
Litware는 다음 환경을 구현할 계획입니다.
* 애플리케이션 개발팀은 판매 시점(POS) 시스템 및 Azure의 데이터 저장소에 데이터를 출력합니다.
* 이름, 연락처 정보, 로열티 번호를 포함한 고객 데이터는 SaaS 애플리케이션인 Salesforce에서 가져오며 8시간마다 한 번씩 Azure로 가져올 수 있습니다. 행 수정 날짜는 원본 테이블에서 신뢰할 수 없습니다.
* 제품 ID, 이름 및 범주를 포함한 제품 데이터는 Salesforce에서 가져오고 8시간마다 한 번씩 Azure로 가져올 수 있습니다. 행 수정 날짜는 원본 테이블에서 신뢰할 수 없습니다.
* 일일 인벤토리 데이터는 사설 네트워크에 있는 Microsoft SQL 서버에서 가져옵니다.
* Litware는 현재 5TB의 과거 판매 데이터와 100GB의 고객 데이터를 보유하고 있습니다. 회사는 내년에 매월 약 100GB의 새 데이터를 예상합니다.
* Litware는 FoodPrep이라는 사용자 지정 응용 프로그램을 구축하여 매장 직원에게 4시간마다 생산할 준비된 식품 품목의 수에 대한 계산 결과를 제공합니다.
* Litware는 온-프레미스 네트워크와 Azure 간에 Azure ExpressRoute 또는 VPN을 구현할 계획이 없습니다.

중요한 건강 데이터가 저장 및 전송 중에 암호화되도록 해야 합니다.
Always Encrypted는 Azure SQL Database 또는 SQL Server 데이터베이스에 저장된 중요한 데이터를 보호하도록 설계된 기능입니다. Always Encrypted를 사용하면 클라이언트가 클라이언트 응용 프로그램 내부의 중요한 데이터를 암호화하고 데이터베이스 엔진(SQL Database 또는 SQL Server)에 암호화 키를 절대 공개하지 않을 수 있습니다.
참조:
https://docs.microsoft.com/en-us/azure/security/fundamentals/encryption-atrest
https://docs.microsoft.com/en-us/azure/security/fundamentals/database-security-overview

설명

모든 클라우드 데이터는 저장 및 전송 중에 암호화되어야 합니다.
상자 1: 투명한 데이터 암호화
데이터베이스 파일의 암호화는 페이지 수준에서 수행됩니다. 암호화된 데이터베이스의 페이지는 디스크에 쓰기 전에 암호화되고 메모리로 읽을 때 해독됩니다.
상자 2: 저장 데이터 암호화
미사용 시 암호화는 데이터가 유지될 때의 인코딩(암호화)입니다.
참조:
https://docs.microsoft.com/en-us/sql/relational-databases/security/encryption/transparent-data-encryption?view
https://docs.microsoft.com/en-us/azure/security/azure-security-encryption-atrest