무료 온라인 액세스 Microsoft.DP-201.v2021-12-28.q193 모의 시험 (Page 3)

DP-201 문제 6

이미지 태그 데이터에 대한 최적화 요구 사항을 충족하도록 이미지 처리 솔루션을 설계해야 합니다.
무엇을 구성해야 합니까? 응답하려면 적절한 설정을 올바른 놓기 대상으로 드래그하십시오.
각 소스는 한 번, 두 번 이상 또는 전혀 사용되지 않을 수 있습니다. 콘텐츠를 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수 있습니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.

DP-201 문제 7

다음 팩트 테이블을 포함하는 온프레미스 데이터 웨어하우스가 있습니다. 두 테이블 모두 DataKey, ProductKey, RegionKey 열이 있습니다. 120개의 고유한 제품 키와 65개의 고유한 지역 키가 있습니다.

데이터 웨어하우스를 사용하는 쿼리는 완료하는 데 오랜 시간이 걸립니다.
Azure SQL Data Warehouse를 사용하도록 솔루션을 마이그레이션할 계획입니다. Azure 기반 솔루션이 쿼리 성능을 최적화하고 처리 왜곡을 최소화하는지 확인해야 합니다.
무엇을 추천해야 할까요? 응답하려면 응답 영역에서 적절한 옵션을 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.

DP-201 문제 8

계획 지원을 위한 데이터 로드 파이프라인을 설계해야 합니다.
무엇을 추천해야 할까요? 대답하려면 적절한 기술을 올바른 위치로 드래그하십시오. 각 기술은 한 번, 두 번 이상 또는 전혀 사용되지 않을 수 있습니다. 콘텐츠를 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수 있습니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.

DP-201 문제 9

재고 수준은 전날의 최종 재고에서 당일 판매를 빼서 계산해야 합니다.
매장 및 제품별로 현재 재고 수준을 빠르게 계산할 수 있는 기능을 Litware에 제공하는 두 가지 옵션은 무엇입니까? 각 정답은 완전한 솔루션을 제공합니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.

A. Azure Stream Analytics를 사용하여 이벤트 허브의 출력을 소비하고 저장소 및 제품별로 데이터를 집계합니다. 결과 데이터를 Azure Synapse Analytics에 직접 출력합니다. Transact-SQL을 사용하여 인벤토리 수준을 계산합니다.

B. Event Hubs Avro 파일을 Azure Blob Storage에 출력합니다. Transact-SQL을 사용하여 Azure Synapse Analytics에서 PolyBase를 사용하여 인벤토리 수준을 계산합니다.

C. Databricks를 사용하여 이벤트 허브의 출력을 소비합니다. Databricks를 사용하여 인벤토리 수준을 계산하고 Azure Synapse Analytics에 데이터를 출력합니다.

D. Azure Stream Analytics를 사용하여 이벤트 허브의 출력을 소비하고 저장소 및 제품별로 데이터를 집계합니다. 결과 데이터를 Databricks에 출력합니다. Databricks에서 인벤토리 수준을 계산하고 Azure Blob Storage에 데이터를 출력합니다.

E. Event Hubs Avro 파일을 Azure Blob Storage에 출력합니다. Azure Data Factory 복사 활동을 트리거하여 10분마다 실행하여 Azure Synapse Analytics에 데이터를 로드합니다. Transact-SQL을 사용하여 상점 및 제품별로 데이터를 집계합니다.

정답: A,E

A: Azure Stream Analytics는 클라우드의 스트리밍 데이터에 대해 대기 시간이 짧고 가용성이 높으며 확장 가능한 복합 이벤트 처리를 제공하는 완전 관리형 서비스입니다. Azure Synapse Analytics(SQL 데이터 웨어하우스) 데이터베이스를 Stream Analytics 작업의 출력 싱크로 사용할 수 있습니다.
E: Event Hubs 캡처는 Azure로 데이터를 가져오는 가장 쉬운 방법입니다. Azure Data Lake, Azure Data Factory 및 Azure HDInsight를 사용하면 필요한 규모에서 선택한 친숙한 도구와 플랫폼을 사용하여 일괄 처리 및 기타 분석을 수행할 수 있습니다.
참고: Event Hubs Capture는 Avro 형식으로 파일을 만듭니다.
캡처된 데이터는 Apache Avro 형식으로 작성됩니다. 즉, 인라인 스키마로 풍부한 데이터 구조를 제공하는 작고 빠른 바이너리 형식입니다. 이 형식은 Hadoop 에코시스템, Stream Analytics 및 Azure Data Factory에서 널리 사용됩니다.
시나리오: 애플리케이션 개발 팀은 판매 시점(POS) 시스템에서 매장 번호, 날짜, 시간, 제품 ID, 고객 충성도 번호, 가격 및 할인 금액을 포함한 실시간 판매 데이터를 수신하는 Azure 이벤트 허브를 만듭니다. Azure의 데이터 저장소에 데이터를 출력합니다.
참조:
https://docs.microsoft.com/bs-latn-ba/azure/sql-data-warehouse/sql-data-warehouse-integrate-azure-stream-analytics
https://docs.microsoft.com/en-us/azure/event-hubs/event-hubs-capture-overview 설계 데이터 처리 솔루션 Testlet 4 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.
배경
Trey Research는 기술 혁신가입니다. 이 회사는 지역 교통 부서 사무실과 협력하여 교통 흐름과 안전을 개선하는 솔루션을 구축합니다.
회사는 다음 솔루션을 개발하고 있습니다.

지역 교통 부서는 북미 전역의 주요 고속도로에 교통 센서 시스템을 설치했습니다.
센서는 차량이 센서 앞을 지날 때마다 다음 정보를 기록합니다.
* 시간
* 위도와 경도의 위치
* 초당 킬로미터(kmps)의 속도
* 차량번호
* 차량 길이(미터)
센서는 다음 구조를 사용하여 데이터를 제공합니다.

교통 센서는 때때로 디버깅 목적으로 차량의 이미지를 캡처합니다.
차량 이미지 저장/저장 성능을 최적화해야 합니다.
교통 센서 데이터
* Sensor에는 SensorData 컬렉션에 항목을 추가할 수 있는 권한만 있어야 합니다.
* 교통정보 삽입률을 최대화해야 합니다.
* 3개월에 한 번 모든 교통 센서 데이터를 분석하여 센서 오작동을 나타내는 데이터 패턴을 찾아야 합니다.
* 센서 데이터는 SensorData라는 컬렉션의 treydata라는 Cosmos DB에 저장되어야 합니다.
* 전체 센서 데이터에 대한 차량 이미지의 영향을 최소화해야 합니다.
역추적
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
계획 지원
계획 지원에 사용되는 데이터는 분할된 Azure SQL Database에 저장해야 합니다.
센서 데이터 컬렉션의 데이터는 Azure Data Factory를 사용하여 일주일에 한 번 계획 지원 데이터베이스에 자동으로 로드됩니다. 데이터 로드 프로세스를 수동으로 트리거할 수 있어야 합니다.
개인 정보 및 보안 정책
* Azure Active Directory는 사용 가능한 모든 서비스에 사용해야 합니다.
* 개인 정보 보호를 위해 차량 번호 정보는 계획 지원에서 액세스할 수 없습니다.
* 계획 지원 데이터의 무단 사용은 가능한 한 빨리 감지되어야 합니다. 비인가 사용은 비정상적인 사용 패턴을 찾아 판단합니다.
* 데이터는 7년 동안만 저장해야 합니다.
성능 및 가용성
* Backtrack에 대한 보고서는 가능한 한 빨리 실행되어야 합니다.
* 계획 지원에 대한 SLA는 70%이며 여러 날의 중단이 허용됩니다.
* 모든 데이터는 데이터 손실을 방지하기 위해 여러 지리적 지역에 복제되어야 합니다.
* 실시간 응답 시스템의 성능을 극대화해야 합니다.
재정 요구 사항
Azure 리소스 비용은 가능한 경우 최소화해야 합니다.

DP-201 문제 10