DP-800 문제 21
참고: 이 문제는 동일한 시나리오를 제시하는 일련의 문제 중 하나입니다. 각 문제에는 제시된 목표를 달성할 수 있는 고유한 해결책이 포함되어 있습니다. 일부 문제 세트에는 정답이 두 개 이상일 수 있으며, 정답이 없는 문제 세트도 있습니다.
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
Git 리포지토리에 SDK 스타일의 SQL 데이터베이스 프로젝트가 저장되어 있습니다. 이 프로젝트는 Azure SQL 데이터베이스를 대상으로 합니다.
프로젝트에서 시스템 객체를 참조할 경우 CI 빌드가 해결되지 않은 참조 오류와 함께 실패합니다.
Azure SQL Database용 데이터베이스 모델에 올바른 시스템 개체를 포함시켜 dotnet build가 성공적으로 유효성 검사를 통과하도록 SQL 데이터베이스 프로젝트를 업데이트해야 합니다.
해결 방법: `dotnet build -bl -flp:v=diag` 명령을 실행하여 프로젝트를 빌드하십시오.
이것이 목표를 달성합니까?
이 섹션에서 질문에 답변한 후에는 해당 질문으로 돌아갈 수 없습니다. 따라서 이 질문들은 검토 화면에 나타나지 않습니다.
Git 리포지토리에 SDK 스타일의 SQL 데이터베이스 프로젝트가 저장되어 있습니다. 이 프로젝트는 Azure SQL 데이터베이스를 대상으로 합니다.
프로젝트에서 시스템 객체를 참조할 경우 CI 빌드가 해결되지 않은 참조 오류와 함께 실패합니다.
Azure SQL Database용 데이터베이스 모델에 올바른 시스템 개체를 포함시켜 dotnet build가 성공적으로 유효성 검사를 통과하도록 SQL 데이터베이스 프로젝트를 업데이트해야 합니다.
해결 방법: `dotnet build -bl -flp:v=diag` 명령을 실행하여 프로젝트를 빌드하십시오.
이것이 목표를 달성합니까?
DP-800 문제 22
GitHub Copilot Chat이 설치되어 있고 Microsoft Fabric의 DB1이라는 SQL 데이터베이스에 연결된 GitHub Codespaces 환경이 있습니다. DB1에는 Sales.Orders 및 Sales.Customers라는 테이블이 있습니다.
DB1 컨텍스트에서 GitHub Copilot Chat을 사용합니다.
회사 정책상 고객의 개인 식별 정보(PLL), 비밀 정보 및 쿼리 결과 집합을 어떠한 AI 서비스와도 공유하는 것이 금지되어 있습니다.
GitHub Copilot Chat을 사용하여 Sales.Orders 테이블과 sales.Customers 테이블을 조인하고 고객 이름과 이메일 주소를 반환하는 새로운 저장 프로시저에 대한 Transact-SQL 코드를 작성하고 검토해야 합니다. 솔루션은 테이블의 실제 데이터를 GitHub Copilot Chat과 공유해서는 안 됩니다.
어떻게 해야 할까요?
DB1 컨텍스트에서 GitHub Copilot Chat을 사용합니다.
회사 정책상 고객의 개인 식별 정보(PLL), 비밀 정보 및 쿼리 결과 집합을 어떠한 AI 서비스와도 공유하는 것이 금지되어 있습니다.
GitHub Copilot Chat을 사용하여 Sales.Orders 테이블과 sales.Customers 테이블을 조인하고 고객 이름과 이메일 주소를 반환하는 새로운 저장 프로시저에 대한 Transact-SQL 코드를 작성하고 검토해야 합니다. 솔루션은 테이블의 실제 데이터를 GitHub Copilot Chat과 공유해서는 안 됩니다.
어떻게 해야 할까요?
DP-800 문제 23
SalesDB라는 Azure SQL 데이터베이스가 있으며, 이 데이터베이스에는 Sales.Orders 및 Sales라는 테이블이 있습니다.
주문 내역. 두 테이블 모두 판매 데이터를 포함합니다.
귀사에는 SalesDB를 쿼리하여 주문 세부 정보를 검색하고 그 결과를 JSON 텍스트 형식으로 대규모 언어 모델(ILM)에 전달하는 RAG(Retrieval Augmented Generation) 서비스가 있습니다. 다음은 JSON의 예시입니다.
주문 헤더 필드와 관련 주문 품목 배열을 포함하는 주문당 하나의 JSON 문서를 반환해야 합니다. LIM은 주문의 JSON 배열 하나를 받아야 하며, 각 주문에는 품목의 JSON 배열인 `lines` 속성이 포함되어야 합니다.
관계형 테이블에서 필요한 JSON 형식을 생성하려면 어떤 Transact-SQL 명령을 사용해야 할까요? 정답을 확인하려면 적절한 명령을 해당 작업으로 드래그하세요. 각 명령은 한 번, 여러 번 또는 전혀 사용되지 않을 수 있습니다. 내용을 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수도 있습니다.
참고: 정답 하나당 1점입니다.
주문 내역. 두 테이블 모두 판매 데이터를 포함합니다.
귀사에는 SalesDB를 쿼리하여 주문 세부 정보를 검색하고 그 결과를 JSON 텍스트 형식으로 대규모 언어 모델(ILM)에 전달하는 RAG(Retrieval Augmented Generation) 서비스가 있습니다. 다음은 JSON의 예시입니다.
주문 헤더 필드와 관련 주문 품목 배열을 포함하는 주문당 하나의 JSON 문서를 반환해야 합니다. LIM은 주문의 JSON 배열 하나를 받아야 하며, 각 주문에는 품목의 JSON 배열인 `lines` 속성이 포함되어야 합니다.
관계형 테이블에서 필요한 JSON 형식을 생성하려면 어떤 Transact-SQL 명령을 사용해야 할까요? 정답을 확인하려면 적절한 명령을 해당 작업으로 드래그하세요. 각 명령은 한 번, 여러 번 또는 전혀 사용되지 않을 수 있습니다. 내용을 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수도 있습니다.
참고: 정답 하나당 1점입니다.
DP-800 문제 24
사례 연구 1 - 콘토소
기존 환경
Azure 환경
Contoso는 기업 인프라가 포함된 북유럽 지역의 Azure 구독을 보유하고 있습니다.
현재 인프라에는 Microsoft SQL Server 2017 데이터베이스가 포함되어 있습니다. 데이터베이스에는 다음과 같은 테이블이 있습니다.
FeedbackJsoncolumn은 전체 텍스트 인덱스를 가지고 있으며 다음과 같은 형식으로 JSON 문서를 저장합니다.
Contoso의 지원팀은 UNMASKpermission 권한을 절대 갖고 있지 않습니다.
문제 진술
Contoso는 다음과 같은 용도로 사용될 새로운 Azure SQL 데이터베이스를 배포하고 있습니다.
* AI 워크로드
* 벡터 검색
* 현대화된 API 접근
* 검색 증강 생성(RAG) 파이프라인
때때로 JSON 형식이 잘못되었거나 페이로드가 중복되어 데이터 수집 파이프라인이 실패할 수 있습니다.
Contoso의 엔지니어들은 다음 대시보드 쿼리가 느리게 실행된다고 보고했습니다.
실행 계획을 검토한 결과 클러스터형 인덱스 스캔이 포함된 것을 발견했습니다.
차량 사고 보고서에는 날씨, 교통 상황 및 위치에 대한 세부 정보가 포함되는 경우가 많습니다. 분석가들은 이러한 세부 정보를 바탕으로 유사한 사고를 찾는 것이 어렵다고 보고합니다.
요구 사항
계획된 변경 사항
콘토소는 사고 보고서에 대한 AI 기반 의미 검색을 지원하도록 차량 관리 정보 플랫폼을 현대화하고자 합니다.
보안 요구 사항
Contoso는 다음과 같은 보안 요구 사항을 제시합니다.
* 지원 담당자가 개인 식별 정보(PII), 즉 전체 이메일 주소와 전화번호를 볼 수 없도록 제한합니다.
* 행 수준 필터링을 적용하여 분석가가 자신에게 할당된 플릿에 대한 사건만 볼 수 있도록 합니다. 분석가는 여러 플릿에 할당될 수 있습니다.
데이터베이스 성능 및 요구 사항
Contoso는 다음과 같은 원격 측정 요구 사항을 제시합니다.
* 원격 측정 데이터는 파티션된 테이블에 저장해야 합니다.
* 원격 측정 데이터는 수집 및 보존 작업에 대해 예측 가능한 성능을 제공해야 합니다.
* 위도, 경도 및 정확도 JSON 속성은 인덱스 탐색을 사용하여 필터링해야 합니다.
Contoso는 다음과 같은 유지보수 데이터 요구사항을 제시합니다.
* MaintenanceEventstable의 행에 변경 사항이 발생하면 LastModifiedUtc 열의 해당 값이 변경 시간으로 업데이트되는지 확인하십시오.
* 재귀적 업데이트를 피하십시오.
AI 검색, 임베딩 및 벡터 인덱싱
Contoso는 다음과 같은 요구 사항을 충족하기 위해 사건 데이터에 대한 의미론적 검색을 구현할 계획입니다.
* 임베딩은 전용 Azure SQL Database 테이블에 저장해야 합니다.
* 임베딩은 풍부한 자연어 필드에서 생성되어야 합니다.
* 청킹은 의미적 일관성을 유지해야 합니다.
* 하이브리드 검색은 다음 사항을 모두 포함해야 합니다.
- 벡터 유사도
- 키워드 필터링 또는 부스팅
개발 요구사항
Contoso의 개발팀은 Microsoft Visual Studio Code와 GitHub Copilot을 사용하여 데이터베이스에서 실시간 메타데이터를 가져올 것입니다.
Contoso는 CustomerFeedback 테이블의 FeedbackJson 열에서 데이터를 조회하기 위한 다음과 같은 요구 사항을 제시합니다.
* JSON 문서에서 고객 피드백 텍스트를 추출합니다.
* JSON 텍스트에 키워드가 포함된 행을 필터링합니다.
* 피드백 텍스트와 알려진 문제 설명 간의 퍼지 유사도 점수를 계산합니다.
* 유사도 점수를 기준으로 결과를 정렬하되, 가장 높은 점수부터 표시합니다.
대시보드 쿼리 속도 저하 문제를 해결할 수 있는 솔루션을 추천해 주셔야 합니다. 어떤 솔루션을 추천하시겠습니까?
기존 환경
Azure 환경
Contoso는 기업 인프라가 포함된 북유럽 지역의 Azure 구독을 보유하고 있습니다.
현재 인프라에는 Microsoft SQL Server 2017 데이터베이스가 포함되어 있습니다. 데이터베이스에는 다음과 같은 테이블이 있습니다.
FeedbackJsoncolumn은 전체 텍스트 인덱스를 가지고 있으며 다음과 같은 형식으로 JSON 문서를 저장합니다.
Contoso의 지원팀은 UNMASKpermission 권한을 절대 갖고 있지 않습니다.
문제 진술
Contoso는 다음과 같은 용도로 사용될 새로운 Azure SQL 데이터베이스를 배포하고 있습니다.
* AI 워크로드
* 벡터 검색
* 현대화된 API 접근
* 검색 증강 생성(RAG) 파이프라인
때때로 JSON 형식이 잘못되었거나 페이로드가 중복되어 데이터 수집 파이프라인이 실패할 수 있습니다.
Contoso의 엔지니어들은 다음 대시보드 쿼리가 느리게 실행된다고 보고했습니다.
실행 계획을 검토한 결과 클러스터형 인덱스 스캔이 포함된 것을 발견했습니다.
차량 사고 보고서에는 날씨, 교통 상황 및 위치에 대한 세부 정보가 포함되는 경우가 많습니다. 분석가들은 이러한 세부 정보를 바탕으로 유사한 사고를 찾는 것이 어렵다고 보고합니다.
요구 사항
계획된 변경 사항
콘토소는 사고 보고서에 대한 AI 기반 의미 검색을 지원하도록 차량 관리 정보 플랫폼을 현대화하고자 합니다.
보안 요구 사항
Contoso는 다음과 같은 보안 요구 사항을 제시합니다.
* 지원 담당자가 개인 식별 정보(PII), 즉 전체 이메일 주소와 전화번호를 볼 수 없도록 제한합니다.
* 행 수준 필터링을 적용하여 분석가가 자신에게 할당된 플릿에 대한 사건만 볼 수 있도록 합니다. 분석가는 여러 플릿에 할당될 수 있습니다.
데이터베이스 성능 및 요구 사항
Contoso는 다음과 같은 원격 측정 요구 사항을 제시합니다.
* 원격 측정 데이터는 파티션된 테이블에 저장해야 합니다.
* 원격 측정 데이터는 수집 및 보존 작업에 대해 예측 가능한 성능을 제공해야 합니다.
* 위도, 경도 및 정확도 JSON 속성은 인덱스 탐색을 사용하여 필터링해야 합니다.
Contoso는 다음과 같은 유지보수 데이터 요구사항을 제시합니다.
* MaintenanceEventstable의 행에 변경 사항이 발생하면 LastModifiedUtc 열의 해당 값이 변경 시간으로 업데이트되는지 확인하십시오.
* 재귀적 업데이트를 피하십시오.
AI 검색, 임베딩 및 벡터 인덱싱
Contoso는 다음과 같은 요구 사항을 충족하기 위해 사건 데이터에 대한 의미론적 검색을 구현할 계획입니다.
* 임베딩은 전용 Azure SQL Database 테이블에 저장해야 합니다.
* 임베딩은 풍부한 자연어 필드에서 생성되어야 합니다.
* 청킹은 의미적 일관성을 유지해야 합니다.
* 하이브리드 검색은 다음 사항을 모두 포함해야 합니다.
- 벡터 유사도
- 키워드 필터링 또는 부스팅
개발 요구사항
Contoso의 개발팀은 Microsoft Visual Studio Code와 GitHub Copilot을 사용하여 데이터베이스에서 실시간 메타데이터를 가져올 것입니다.
Contoso는 CustomerFeedback 테이블의 FeedbackJson 열에서 데이터를 조회하기 위한 다음과 같은 요구 사항을 제시합니다.
* JSON 문서에서 고객 피드백 텍스트를 추출합니다.
* JSON 텍스트에 키워드가 포함된 행을 필터링합니다.
* 피드백 텍스트와 알려진 문제 설명 간의 퍼지 유사도 점수를 계산합니다.
* 유사도 점수를 기준으로 결과를 정렬하되, 가장 높은 점수부터 표시합니다.
대시보드 쿼리 속도 저하 문제를 해결할 수 있는 솔루션을 추천해 주셔야 합니다. 어떤 솔루션을 추천하시겠습니까?
DP-800 문제 25
드래그 앤 드롭 질문
SalesDB라는 Azure SQL 데이터베이스가 있으며, 이 데이터베이스에는 Sales.Orders와 Sales.OrderLines라는 테이블이 있습니다. 두 테이블 모두 매출 데이터를 포함하고 있습니다.
귀사는 SalesDB에서 주문 세부 정보를 조회하고 그 결과를 JSON 텍스트 형식으로 대규모 언어 모델(LLM)에 전달하는 RAG(Retrieval Augmented Generation) 서비스를 보유하고 있습니다. 다음은 해당 JSON의 간단한 예시입니다.
주문 헤더 필드와 관련 주문 품목 배열을 포함하는 주문당 하나의 JSON 문서를 반환해야 합니다. LLM은 주문의 JSON 배열 하나를 받아야 하며, 각 주문에는 품목의 JSON 배열인 `lines` 속성이 포함되어야 합니다.
관계형 테이블에서 필요한 JSON 형식을 생성하려면 어떤 Transact-SQL 명령을 사용해야 할까요? 정답을 확인하려면 적절한 명령을 해당 작업으로 드래그하세요. 각 명령은 한 번, 여러 번 또는 전혀 사용되지 않을 수 있습니다. 내용을 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수도 있습니다.
참고: 정답 하나당 1점입니다.
SalesDB라는 Azure SQL 데이터베이스가 있으며, 이 데이터베이스에는 Sales.Orders와 Sales.OrderLines라는 테이블이 있습니다. 두 테이블 모두 매출 데이터를 포함하고 있습니다.
귀사는 SalesDB에서 주문 세부 정보를 조회하고 그 결과를 JSON 텍스트 형식으로 대규모 언어 모델(LLM)에 전달하는 RAG(Retrieval Augmented Generation) 서비스를 보유하고 있습니다. 다음은 해당 JSON의 간단한 예시입니다.
주문 헤더 필드와 관련 주문 품목 배열을 포함하는 주문당 하나의 JSON 문서를 반환해야 합니다. LLM은 주문의 JSON 배열 하나를 받아야 하며, 각 주문에는 품목의 JSON 배열인 `lines` 속성이 포함되어야 합니다.
관계형 테이블에서 필요한 JSON 형식을 생성하려면 어떤 Transact-SQL 명령을 사용해야 할까요? 정답을 확인하려면 적절한 명령을 해당 작업으로 드래그하세요. 각 명령은 한 번, 여러 번 또는 전혀 사용되지 않을 수 있습니다. 내용을 보려면 창 사이의 분할 막대를 드래그하거나 스크롤해야 할 수도 있습니다.
참고: 정답 하나당 1점입니다.
