설명:
상자 1: 표준
다음 표에서는 스토리지 계정 유형과 해당 기능에 대해 설명합니다.

상자 2: 지리적 중복 스토리지
저장소 계정에 GRS가 활성화되어 있으면 완전한 지역 중단 또는 기본 지역을 복구할 수 없는 재해가 발생한 경우에도 데이터가 지속됩니다.
참고: GRS를 선택하면 다음 두 가지 관련 옵션 중에서 선택할 수 있습니다.
GRS는 데이터를 보조 지역의 다른 데이터 센터로 복제하지만 Microsoft가 기본 지역에서 보조 지역으로 장애 조치를 시작한 경우에만 해당 데이터를 읽을 수 있습니다.
읽기 액세스 지역 중복 저장소(RA-GRS)는 GRS를 기반으로 합니다. RA-GRS는 데이터를 보조 지역의 다른 데이터 센터에 복제하고 보조 지역에서 읽을 수 있는 옵션도 제공합니다. RA-GRS를 사용하면 Microsoft가 주 지역에서 보조 지역으로 장애 조치를 시작하는지 여부에 관계없이 보조 지역에서 읽을 수 있습니다.

참조:
https://docs.microsoft.com/en-us/azure/storage/common/storage-introduction
https://docs.microsoft.com/en-us/azure/storage/common/storage-redundancy-grs

설명

모든 기본, 표준 및 프리미엄 데이터베이스는 자동 백업으로 보호됩니다. 전체 백업은 매주, 차등 백업은 매일, 로그 백업은 5분마다 수행됩니다.
참조:
https://azure.microsoft.com/sv-se/blog/azure-sql-database-point-in-time-restore/

설명

상자 1: 해시 분산 테이블
새로운 Health Insights 애플리케이션은 대규모 팩트 테이블에 대한 고성능 조인을 지원하는 대규모 병렬 처리(MPP) 아키텍처를 기반으로 구축되어야 합니다.
해시 분산 테이블은 대규모 팩트 테이블에서 쿼리 성능을 향상시킵니다.
상자 2: 라운드 로빈 분산 테이블
라운드 로빈 분산 테이블은 모든 배포에 테이블 행을 균일하게 배포합니다. 분포에 대한 행 할당은 무작위입니다.
대본:
ADatum은 Health Insights 애플리케이션에 대한 다음 요구 사항을 식별합니다.
* 새로운 Health Insights 애플리케이션은 대규모 팩트 테이블에서 고성능 조인을 지원하는 대규모 병렬 처리(MPP) 아키텍처를 기반으로 구축되어야 합니다.
참조:
https://docs.microsoft.com/en-us/azure/sql-data-warehouse/sql-data-warehouse-tables-distribute

설명:
상자 1: 코스모스 DB 인덱스
Backtrack에 대한 보고서는 가능한 한 빨리 실행되어야 합니다.
Azure Cosmos 컨테이너에서 기본 인덱싱 정책을 재정의할 수 있습니다. 이는 쿼리 성능을 향상시키거나 사용되는 스토리지를 줄이기 위해 인덱싱 정밀도를 조정하려는 경우에 유용할 수 있습니다.
상자 2: 코스모스 DB TTL
이 솔루션은 특정 차량 번호판과 관련된 모든 데이터를 보고합니다. 보고서는 SensorData 컬렉션의 데이터를 사용해야 합니다. 사용자는 다음과 같은 방법으로 차량 데이터를 필터링할 수 있어야 합니다.
* 특정 도로의 차량
* 제한 속도 이상으로 운전하는 차량
참고: TTL(Time to Live)을 사용하면 Azure Cosmos DB는 특정 기간 후에 컨테이너에서 항목을 자동으로 삭제하는 기능을 제공합니다. 기본적으로 컨테이너 수준에서 TTL을 설정하고 항목별로 값을 재정의할 수 있습니다. 컨테이너 또는 항목 수준에서 TTL을 설정한 후 Azure Cosmos DB는 마지막으로 수정된 시간 이후 기간이 지나면 이러한 항목을 자동으로 제거합니다.
오답:
Cosmos DB 저장 프로시저: 저장 프로시저는 쓰기 작업이 많은 작업에 가장 적합합니다. 저장 프로시저를 사용할 위치를 결정할 때 가능한 최대 쓰기 양을 캡슐화하도록 최적화하십시오. 일반적으로 저장 프로시저는 많은 수의 읽기 작업을 수행하는 가장 효율적인 수단이 아니므로 저장 프로시저를 사용하여 많은 수의 읽기를 일괄 처리하여 클라이언트에 반환하면 원하는 이점을 얻을 수 없습니다.
참조:
https://docs.microsoft.com/en-us/azure/cosmos-db/index-policy
https://docs.microsoft.com/en-us/azure/cosmos-db/time-to-live
주제 2, 사례 연구
사례 연구
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.
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.
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
뉴욕, 맨체스터, 싱가포르 및 멜버른에 사무실이 있는 글로벌 미디어 회사인 Graphics Design Institute의 데이터 엔지니어링 솔루션을 개발합니다.
뉴욕 사무실은 엄청난 양의 고객 데이터를 저장하는 SQL Server 데이터베이스를 호스팅합니다. 이 회사는 또한 뉴욕 사무실에 있는 물리적 서버에 수백만 개의 이미지를 저장합니다. 매일 2TB 이상의 이미지 데이터가 추가됩니다. 이미지는 고객 장치에서 뉴욕의 서버로 전송됩니다.
이 서버에 많은 이미지가 정리되지 않은 방식으로 배치되어 편집자가 이미지를 검색하기 어렵습니다. 이미지에는 자동으로 개체 및 색상 태그가 생성되어야 합니다. 태그는 문서 데이터베이스에 저장되어야 하며 SQL에서 쿼리해야 합니다. 귀하는 고객 데이터를 저장, 변환 및 시각화할 수 있는 솔루션을 설계하도록 고용되었습니다.
요구 사항
사업
회사는 다음과 같은 비즈니스 요구 사항을 식별합니다.
* 모든 이미지와 고객 데이터를 클라우드 스토리지로 옮기고 온프레미스 서버를 제거해야 합니다.
* 고객 데이터 변환을 위한 분석 처리 솔루션을 개발해야 합니다.
* 이미지 개체 및 컬러 태깅 솔루션을 개발해야 합니다.
* 자본 지출을 최소화해야 합니다.
* 클라우드 리소스 비용을 최소화해야 합니다.
전문인
솔루션에는 다음과 같은 기술 요구 사항이 있습니다.
* 태깅 데이터는 뉴욕 사무실 위치에서 클라우드로 업로드해야 합니다.
* 태깅 데이터는 회사 사무실 위치와 지리적으로 가까운 지역에 복제해야 합니다.
* 이미지 데이터는 최소 비용으로 단일 데이터 저장소에 저장해야 합니다.
* 고객 데이터는 관리형 Spark 클러스터를 사용하여 분석해야 합니다.
* 변환된 고객 데이터를 시각화하려면 Power BI를 사용해야 합니다.
* 재해 복구가 필요한 경우를 대비하여 모든 데이터를 백업해야 합니다.
보안 및 최적화
모든 클라우드 데이터는 저장 및 전송 중에 암호화되어야 합니다. 솔루션은 다음을 지원해야 합니다.
* 고객 데이터의 병렬 처리
* 하이퍼스케일 이미지 저장
* 처리된 이미지 데이터의 글로벌 지역 데이터 복제

Stream Analytics는 장치, 센서, 인프라, 애플리케이션 및 데이터에서 실시간 통찰력을 빠르고 쉽게 발견하는 데 도움이 되는 비용 효율적인 이벤트 처리 엔진입니다.
기본 Stream Analytics 작업을 실행하는 Azure PowerShell cmdlet 및 powershell 스크립팅을 사용하여 Stream Analytics 리소스를 모니터링하고 관리합니다.
참조:
https://cloudblogs.microsoft.com/sqlserver/2014/10/29/microsoft-adds-iot-streaming-analytics-data-production-and-workflow-services-to-azure/