DP-300 문제 26
Azure Synapse Analytics 전용 SQL 풀에서 테이블을 만들 계획입니다.
표의 데이터는 5년 동안 보관됩니다. 1년에 한 번, 5년이 지난 데이터는 삭제됩니다.
데이터가 파티션에 고르게 분포되어 있는지 확인해야 합니다. 솔루션은 오래된 데이터를 삭제하는 데 필요한 시간을 최소화해야 합니다.
Transact-SQL 문을 어떻게 완성해야 합니까? 응답하려면 적절한 값을 올바른 대상으로 드래그하십시오. 각 값은 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.
표의 데이터는 5년 동안 보관됩니다. 1년에 한 번, 5년이 지난 데이터는 삭제됩니다.
데이터가 파티션에 고르게 분포되어 있는지 확인해야 합니다. 솔루션은 오래된 데이터를 삭제하는 데 필요한 시간을 최소화해야 합니다.
Transact-SQL 문을 어떻게 완성해야 합니까? 응답하려면 적절한 값을 올바른 대상으로 드래그하십시오. 각 값은 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-300 문제 27
DB1이라는 데이터베이스가 포함된 Azure 가상 머신에 SQL Server가 있습니다.
판매 보고서를 생성하기 위해 DB1을 쿼리하는 애플리케이션이 있습니다.
쿼리가 마지막으로 실행된 시점의 매개변수 값을 확인해야 합니다.
어떤 두 가지 작업을 수행해야 합니까? 각 정답은 솔루션의 일부를 나타냅니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
판매 보고서를 생성하기 위해 DB1을 쿼리하는 애플리케이션이 있습니다.
쿼리가 마지막으로 실행된 시점의 매개변수 값을 확인해야 합니다.
어떤 두 가지 작업을 수행해야 합니까? 각 정답은 솔루션의 일부를 나타냅니다.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
DP-300 문제 28
50개의 Azure SQL 데이터베이스가 있습니다.
Azure에서 데이터베이스 크기 및 가격 책정 계층과 같은 데이터베이스 설정이 수정되면 데이터베이스 소유자에게 알려야 합니다.
당신은 무엇을해야합니까?
Azure에서 데이터베이스 크기 및 가격 책정 계층과 같은 데이터베이스 설정이 수정되면 데이터베이스 소유자에게 알려야 합니다.
당신은 무엇을해야합니까?
DP-300 문제 29
참고: 이 질문은 동일한 시나리오를 제시하는 일련의 질문 중 일부입니다. 시리즈의 각 질문에는 명시된 목표를 충족할 수 있는 고유한 솔루션이 포함되어 있습니다. 일부 질문 세트에는 둘 이상의 올바른 솔루션이 있을 수 있지만 다른 질문 세트에는 올바른 솔루션이 없을 수 있습니다.
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
준비 영역이 포함된 Azure Data Lake Storage 계정이 있습니다.
스테이징 영역에서 증분 데이터를 수집하고, R 스크립트를 실행하여 데이터를 변환한 다음, 변환된 데이터를 Azure Synapse Analytics의 데이터 웨어하우스에 삽입하는 일일 프로세스를 설계해야 합니다.
솔루션: R 노트북을 실행하는 Azure Databricks 작업을 예약한 다음 데이터 웨어하우스에 데이터를 삽입합니다.
이것이 목표를 달성합니까?
이 섹션의 질문에 답한 후에는 해당 질문으로 돌아갈 수 없습니다. 결과적으로 이러한 질문은 검토 화면에 나타나지 않습니다.
준비 영역이 포함된 Azure Data Lake Storage 계정이 있습니다.
스테이징 영역에서 증분 데이터를 수집하고, R 스크립트를 실행하여 데이터를 변환한 다음, 변환된 데이터를 Azure Synapse Analytics의 데이터 웨어하우스에 삽입하는 일일 프로세스를 설계해야 합니다.
솔루션: R 노트북을 실행하는 Azure Databricks 작업을 예약한 다음 데이터 웨어하우스에 데이터를 삽입합니다.
이것이 목표를 달성합니까?
DP-300 문제 30
PipelineA 및 PipelineB라는 두 개의 파이프라인이 있는 Azure 데이터 팩터리가 있습니다.
PipelineA에는 다음 전시와 같이 4가지 활동이 있습니다.
PipelineB에는 다음 전시회와 같이 두 가지 활동이 있습니다.
파이프라인과 모든 실패 유형 모두에 대해 실패한 파이프라인 실행 메트릭을 사용하는 데이터 팩터리에 대한 경고를 생성합니다. 메트릭에는 다음 설정이 있습니다.
연산자: 보다 큼
집계 유형: 합계
임계값: 2
집계 세분성(기간): 5분
평가 빈도: 5분마다
Data Factory 모니터링은 다음 표에 표시된 오류를 기록합니다.
다음 각 문에 대해 해당 문이 참이면 예를 선택합니다. 그렇지 않으면 아니오를 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
PipelineA에는 다음 전시와 같이 4가지 활동이 있습니다.
PipelineB에는 다음 전시회와 같이 두 가지 활동이 있습니다.
파이프라인과 모든 실패 유형 모두에 대해 실패한 파이프라인 실행 메트릭을 사용하는 데이터 팩터리에 대한 경고를 생성합니다. 메트릭에는 다음 설정이 있습니다.
연산자: 보다 큼
집계 유형: 합계
임계값: 2
집계 세분성(기간): 5분
평가 빈도: 5분마다
Data Factory 모니터링은 다음 표에 표시된 오류를 기록합니다.
다음 각 문에 대해 해당 문이 참이면 예를 선택합니다. 그렇지 않으면 아니오를 선택하십시오.
참고: 각 올바른 선택은 1점의 가치가 있습니다.
