참조:
https://docs.microsoft.com/en-us/azure/synapse-analytics/sql/develop-tables-external-tables

설명
Databricks ABS-AQS 커넥터는 AQS(Azure Queue Storage)를 사용하여 모든 파일을 반복적으로 나열하지 않고도 ABS(Azure Blob Storage) 컨테이너에 작성된 새 파일을 찾을 수 있는 최적화된 파일 소스를 제공합니다.
이는 두 가지 주요 이점을 제공합니다.
* 낮은 대기 시간: ABS에 중첩된 디렉터리 구조를 나열할 필요가 없습니다. 이는 느리고 리소스 집약적입니다.
* 비용 절감: 더 이상 ABS에 대한 비용이 많이 드는 LIST API 요청이 없습니다.
참조:
https://docs.microsoft.com/en-us/azure/databricks/spark/latest/structured-streaming/aqs

설명
시나리오: 소매점 주소 변경 사항을 설명하기 위한 대리 키를 구현합니다.
테이블의 대리 키는 각 행에 대한 고유 식별자가 있는 열입니다. 키는 테이블 데이터에서 생성되지 않습니다. 데이터 모델러는 데이터 웨어하우스 모델을 설계할 때 테이블에 대리 키를 생성하는 것을 좋아합니다. IDENTITY 속성을 사용하면 로드 성능에 영향을 주지 않고 간단하고 효과적으로 이 목표를 달성할 수 있습니다.
참조:
https://docs.microsoft.com/en-us/azure/synapse-analytics/sql-data-warehouse/sql-data-warehouse-tables-identity

설명
대신 텀블링 창을 사용하세요. 연속 창은 일련의 고정된 크기, 겹치지 않는 연속 시간 간격입니다.
참조:
https://docs.microsoft.com/en-us/stream-analytics-query/tumbling-window-azure-stream-analytics
주제 1, Litware, Inc.
사례 연구
이것은 사례 연구입니다. 사례 연구는 별도로 시간이 정해지지 않습니다. 각 사례를 완료하고 싶은 만큼 시험 시간을 사용할 수 있습니다. 그러나 이 시험에는 추가적인 사례 연구와 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 자세한 정보를 제공하는 전시물과 기타 리소스가 포함될 수 있습니다. 각 질문은 이 사례 연구의 다른 질문과 독립적입니다.
이 사례 연구가 끝나면 검토 화면이 나타납니다. 이 화면에서는 시험의 다음 섹션으로 이동하기 전에 답변을 검토하고 변경할 수 있습니다. 새 섹션을 시작한 후에는 이 섹션으로 돌아갈 수 없습니다.
사례 연구를 시작하려면
이 사례 연구의 첫 번째 질문을 표시하려면 버튼을 클릭하세요. 질문에 답하기 전에 왼쪽 창에 있는 버튼을 사용하여 사례 연구의 내용을 살펴보세요. 이러한 버튼을 클릭하면 비즈니스 요구 사항, 기존 환경, 문제 설명 등의 정보가 표시됩니다. 사례 연구에 모든 정보 탭이 있는 경우 표시되는 정보는 후속 탭에 표시되는 정보와 동일합니다. 질문에 답할 준비가 되면 버튼을 클릭하여 질문으로 돌아가세요.
개요
Litware, Inc.는 미국 전역에 300개의 편의점을 소유 및 운영하고 있습니다. 이 회사는 다양한 포장 식품과 음료뿐만 아니라 샌드위치, 피자와 같은 다양한 조리 식품도 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.
요구사항
사업 목표
Litware는 다음 요구 사항을 충족하기 위해 Azure에서 새로운 분석 환경을 만들고 싶어합니다.
* 매장 전체의 재고 수준을 확인하세요. 데이터는 최대한 실시간에 가깝게 업데이트되어야 합니다.
* 과거 데이터에 대한 임시 분석 쿼리를 실행하여 충성도 클럽 할인이 할인된 제품의 판매를 증가시키는지 여부를 확인합니다.
* 4시간마다 판매 데이터의 과거 수요를 바탕으로 준비된 식품 품목 수를 매장 직원에게 알려줍니다.
기술 요구 사항
Litware는 다음과 같은 기술 요구 사항을 식별합니다.
* 비즈니스 목표를 달성하는 데 필요한 다양한 Azure 서비스 수를 최소화합니다.
* 가능하면 PaaS(Platform as a Service) 제품을 사용하고 Litware에서 관리해야 하는 가상 머신을 프로비저닝할 필요가 없도록 하세요.
* 분석 데이터 저장소는 회사의 온-프레미스 네트워크 및 Azure 서비스에서만 액세스할 수 있는지 확인하세요.
* 가능하면 Azure AD(Azure Active Directory) 인증을 사용하세요.
* 보안을 설계할 때 최소 권한의 원칙을 사용하십시오.
* 분석 데이터 저장소에 데이터를 로드하기 전에 Azure Data Lake Storage Gen2에서 인벤토리 데이터를 준비합니다. Litware는 데이터가 더 이상 사용되지 않으면 Data Lake Storage에서 임시 데이터를 제거하려고 합니다.
수정된 날짜가 14일보다 오래된 파일은 제거해야 합니다.
* 전화번호와 같은 고객 연락처 정보에 대한 비즈니스 분석가의 접근을 제한하십시오. 이러한 유형의 데이터는 분석적으로 관련이 없기 때문입니다.
* 손상되거나 실수로 삭제된 경우 분석 데이터 저장소의 복사본을 1시간 이내에 신속하게 복원할 수 있는지 확인하세요.
계획된 환경
Litware는 다음 환경을 구현할 계획입니다.
* 애플리케이션 개발팀은 매장 번호, 날짜, 시간, 제품 ID, 고객 충성도 번호, 가격, 할인 금액 등의 판매 데이터를 POS(Point of Sale) 시스템과 Azure의 데이터 저장소에 데이터를 출력합니다.
* 이름, 연락처 정보, 회원 번호를 포함한 고객 데이터는 SaaS 애플리케이션인 Salesforce에서 제공되며 8시간마다 한 번씩 Azure로 가져올 수 있습니다. 행 수정 날짜는 원본 테이블에서 신뢰할 수 없습니다.
* 제품 ID, 이름, 카테고리를 포함한 제품 데이터는 Salesforce에서 제공되며 8시간마다 한 번씩 Azure로 가져올 수 있습니다. 행 수정 날짜는 원본 테이블에서 신뢰할 수 없습니다.
* 일일 인벤토리 데이터는 개인 네트워크에 위치한 Microsoft SQL 서버에서 제공됩니다.
* Litware는 현재 5TB의 과거 판매 데이터와 100GB의 고객 데이터를 보유하고 있습니다. 회사는 내년에 매월 약 100GB의 새로운 데이터를 예상하고 있습니다.
* Litware는 FoodPrep이라는 맞춤형 애플리케이션을 구축하여 매장 직원에게 4시간마다 생산할 준비된 식품 수에 대한 계산 결과를 제공합니다.
* Litware는 Azure ExpressRoute 또는 온-프레미스 네트워크와 Azure 간의 VPN을 구현할 계획이 없습니다.