[Q182-Q206] DP-203日本語認定で究極のガイド [2024年更新]

DP-203日本語認定で究極のガイド [2024年更新]

DP-203日本語練習試験と学習ガイドは厳密検証された

質問 # 182
Pipeline1! という名前の Azure Data Factory パイプラインがあります。Pipelinel には、データを Azure Data Lake Storage Gen2 アカウントに送信するコピーアクティビティが含まれています。パイプライン 1 は、スケジュールトリガーによって実行されます。
コピーアクティビティシンクを新しいストレージアカウントに変更し、変更をコラボレーションブランチにマージします。
Pipelinel の実行後、データが新しいストレージアカウントにコピーされていないことがわかります。
データが新しいストレージアカウントにコピーされていることを確認する必要があります。
あなたは何をするべきか？

A. プルリクエストを作成します。
B. コラボレーションブランチから公開します。
C. スケジュールトリガーを変更します。
D. 新しいストレージアカウントの変更フィードを構成します。

正解：B

解説：
Explanation
CI/CD lifecycle
* A development data factory is created and configured with Azure Repos Git. All developers should have permission to author Data Factory resources like pipelines and datasets.
* A developer creates a feature branch to make a change. They debug their pipeline runs with their most recent changes
* After a developer is satisfied with their changes, they create a pull request from their feature branch to the main or collaboration branch to get their changes reviewed by peers.
* After a pull request is approved and changes are merged in the main branch, the changes get published to the development factory.
Reference: https://docs.microsoft.com/en-us/azure/data-factory/continuous-integration-delivery

質問 # 183
SQL サーバーから Azure Data Lake Storage に日次インベントリデータをインポートするために、一緒に使用することを推奨する Azure Data Factory コンポーネントはどれですか?答えるには、答えで適切なオプションを選択します。
注: 正しい選択ごとに 1 ポイントの価値があります。

正解：

解説：

質問 # 184
ハイブリッドAzureActive Directory（Azure AD）テナントにリンクされているAzureサブスクリプションがあります。サブスクリプションには、Pool1という名前のAzure Synapse AnalyticsSQLプールが含まれています。
Pool1の認証ソリューションを推奨する必要があります。ソリューションは、多要素認証（MFA）とデータベースレベルの認証をサポートする必要があります。
どの認証ソリューションを推奨に含める必要がありますか？回答するには、回答領域で適切なオプションを選択します。
注：正しい選択はそれぞれ1ポイントの価値があります。

正解：

解説：

Explanation
Graphical user interface, text, application, chat or text message Description automatically generated

Box 1: Azure AD authentication
Azure Active Directory authentication supports Multi-Factor authentication through Active Directory Universal Authentication.
Box 2: Contained database users
Azure Active Directory Uses contained database users to authenticate identities at the database level.
Reference:
https://docs.microsoft.com/en-us/azure/synapse-analytics/sql-data-warehouse/sql-data-warehouse-authentication

質問 # 185
Azure Data Lake Storage Gen2を使用して、データサイエンティストとデータエンジニアがAzureDatabricksインタラクティブノートブックを使用してクエリするデータを格納します。ユーザーは、作業しているプロジェクトに関連するData LakeStorageフォルダーにのみアクセスできます。
ユーザーに適切なアクセスを提供するために、DatabricksとData LakeStorageに使用する認証方法を推奨する必要があります。このソリューションでは、管理作業と開発作業を最小限に抑える必要があります。
Azureサービスごとにどの認証方法をお勧めしますか？回答するには、回答領域で適切なオプションを選択します。
注：正しい選択はそれぞれ1ポイントの価値があります。

正解：

解説：

Reference:
https://docs.microsoft.com/en-us/azure/databricks/data/data-sources/azure/adls-gen2/azure-datalake-gen2-sas-access
https://docs.microsoft.com/en-us/azure/databricks/security/credential-passthrough/adls-passthrough

質問 # 186
Azure Synapse Analytics でエンタープライズデータウェアハウスを管理します。
ユーザーは、よく使用されるクエリを実行するとパフォーマンスが遅いと報告します。ユーザーは、使用頻度が低いクエリのパフォーマンスの変化を報告しません。
パフォーマンスの問題の原因を特定するには、リソースの使用率を監視する必要があります。
どの指標を監視する必要がありますか?

A. キャッシュヒット率
B. ローカル tempdb の割合
C. データ IO パーセンテージ
D. DWU パーセンテージ

正解：A

解説：
Explanation
Monitor and troubleshoot slow query performance by determining whether your workload is optimally leveraging the adaptive cache for dedicated SQL pools.
Reference:
https://docs.microsoft.com/en-us/azure/synapse-analytics/sql-data-warehouse/sql-data-warehouse-how-to-monito

質問 # 187
毎日200,000個の新しいファイルを生成するAzureStorageアカウントがあります。ファイル名の形式は、{YYYY} / {MM} / {DD} / {HH} / {CustomerID} .csvです。
ストレージアカウントからAzureDataLakeに1時間に1回新しいデータを読み込むAzureDataFactoryソリューションを設計する必要があります。このソリューションでは、ロード時間とコストを最小限に抑える必要があります。
ソリューションをどのように構成する必要がありますか？答えるには、答えの中から適切なオプションを選択してください。
注：正しい選択はそれぞれ1ポイントの価値があります。

正解：

解説：

Explanation
Table Description automatically generated

Box 1: Incremental load
Box 2: Tumbling window
Tumbling windows are a series of fixed-sized, non-overlapping and contiguous time intervals. The following diagram illustrates a stream with a series of events and how they are mapped into 10-second tumbling windows.
Timeline Description automatically generated

Reference:
https://docs.microsoft.com/en-us/stream-analytics-query/tumbling-window-azure-stream-analytics

質問 # 188
SQL サーバーから Azure Data Lake Storage に日次インベントリデータをインポートするために、一緒に使用することを推奨する Azure Data Factory コンポーネントはどれですか?答えるには、答えで適切なオプションを選択します。
注: 正しい選択ごとに 1 ポイントの価値があります。

正解：

解説：

質問 # 189
workspace という名前の Azure Databricks ワークスペースがあります。標準価格レベルで。Workspace1 には、cluster という名前の汎用クラスターが含まれています。クラスター 1 の起動とスケールアップにかかる時間を短縮する必要があります。ソリューションではコストを最小限に抑える必要があります。まず何をすべきでしょうか?

A. workspace1 のグローバル初期化スクリプトを構成します。
B. workspace1 にクラスターポリシーを作成します。
C. workspace1 にプールを作成します。
D. workspace1 をプレミアム価格レベルにアップグレードします。

正解：D

解説：
Explanation
You can use Databricks Pools to Speed up your Data Pipelines and Scale Clusters Quickly.
Databricks Pools, a managed cache of virtual machine instances that enables clusters to start and scale 4 times faster.
Reference:
https://databricks.com/blog/2019/11/11/databricks-pools-speed-up-data-pipelines.html

質問 # 190
監視と管理アプリを使用して Azure データファクトリを監視する予定です。
ソースデータベース内のテーブルを参照するアクティビティのステータスと期間を特定する必要があります。
順番に実行する必要がある 3 つのアクションはどれですか?答えるには、アクションをアクションのリストからアンサーに移動し、正しい順序に並べます。

正解：

解説：

Explanation

Step 1: From the Data Factory authoring UI, generate a user property for Source on all activities.
Step 2: From the Data Factory monitoring app, add the Source user property to Activity Runs table.
You can promote any pipeline activity property as a user property so that it becomes an entity that you can monitor. For example, you can promote the Source and Destination properties of the copy activity in your pipeline as user properties. You can also select Auto Generate to generate the Source and Destination user properties for a copy activity.
Step 3: From the Data Factory authoring UI, publish the pipelines
Publish output data to data stores such as Azure SQL Data Warehouse for business intelligence (BI) applications to consume.
References:
https://docs.microsoft.com/en-us/azure/data-factory/monitor-visually

質問 # 191
SQL サーバーから Azure Data Lake Storage に日次インベントリデータをインポートするために、一緒に使用することを推奨する Azure Data Factory コンポーネントはどれですか?答えるには、答えで適切なオプションを選択します。
注: 正しい選択ごとに 1 ポイントの価値があります。

正解：

解説：

Explanation

Box 1: Self-hosted integration runtime
A self-hosted IR is capable of running copy activity between a cloud data stores and a data store in private network.
Box 2: Schedule trigger
Schedule every 8 hours
Box 3: Copy activity
Scenario:
* Customer data, including name, contact information, and loyalty number, comes from Salesforce and can be imported into Azure once every eight hours. Row modified dates are not trusted in the source table.
* Product data, including product ID, name, and category, comes from Salesforce and can be imported into Azure once every eight hours. Row modified dates are not trusted in the source table.

質問 # 192
分析ワークロードで使用するために raw JSON ファイルを変換する Azure Data Lake Storage ソリューションを設計しています。
変換されたファイルの形式を推奨する必要があります。ソリューションは、次の要件を満たす必要があります。
ファイル内の各列のデータ型に関する情報が含まれています。
ファイル内の列のサブセットのクエリをサポートします。
読み取り負荷の高い分析ワークロードをサポートします。
ファイルサイズを最小化します。
何をお勧めしますか？

A. Apache Parquet
B. JSON
C. CSV
D. Apache Avro

正解：A

解説：
Explanation
Parquet, an open-source file format for Hadoop, stores nested data structures in a flat columnar format.
Compared to a traditional approach where data is stored in a row-oriented approach, Parquet file format is more efficient in terms of storage and performance.
It is especially good for queries that read particular columns from a "wide" (with many columns) table since only needed columns are read, and IO is minimized.
Reference: https://www.clairvoyant.ai/blog/big-data-file-formats

質問 # 193
Azure Data Lake Storage Gen2 のデプロイを計画しています。
データレイクにアクセスする次の 2 つのレポートがあります。
Report1: 50 列を含むファイルから 3 つの列を読み取ります。
Report2: タイムスタンプに基づいて単一のレコードをクエリします。
レポートをサポートするには、データレイクにデータを保存する形式を推奨する必要があります。ソリューションは、読み取り時間を最小限に抑える必要があります。
各レポートで何を推奨しますか?答えるには、答えで適切なオプションを選択します。
注: 正しい選択ごとに 1 ポイントの価値があります。

正解：

解説：

Reference:
https://streamsets.com/documentation/datacollector/latest/help/datacollector/UserGuide/Destinations/ADLS-G2-D.html

質問 # 194
Azure Stream Analytics ジョブがあります。
ジョブに十分なストリーミングユニットがプロビジョニングされていることを確認する必要があります。
SU % 使用率メトリックの監視を構成します。
監視する必要がある追加の指標を 2 つ選択してください。各正解は、ソリューションの一部を示しています。
注: それぞれの正しい選択は 1 ポイントの価値があります。

A. 関数イベント
B. 順不同のイベント
C. バックログ入力イベント
D. 遅延入力イベント
E. 透かし遅延

正解：C、E

解説：
To react to increased workloads and increase streaming units, consider setting an alert of 80% on the SU Utilization metric. Also, you can use watermark delay and backlogged events metrics to see if there is an impact.
Note: Backlogged Input Events: Number of input events that are backlogged. A non-zero value for this metric implies that your job isn't able to keep up with the number of incoming events. If this value is slowly increasing or consistently non-zero, you should scale out your job, by increasing the SUs.
Reference:
https://docs.microsoft.com/en-us/azure/stream-analytics/stream-analytics-monitoring

質問 # 195
Azure Synapse Analytics で、Customers という名前のテーブルを含むエンタープライズデータウェアハウスを設計しています。顧客にはクレジットカード情報が含まれます。
営業担当者が顧客のすべてのエントリを表示できるようにするソリューションを推奨する必要があります。
このソリューションでは、すべての営業担当者がクレジットカード情報を閲覧したり推測したりできないようにする必要があります。
推奨事項には何を含めるべきですか?

A. 行レベルのセキュリティ
B. 常に暗号化
C. データマスキング
D. 列レベルのセキュリティ

正解：C

解説：
SQL Database dynamic data masking limits sensitive data exposure by masking it to non-privileged users.
The Credit card masking method exposes the last four digits of the designated fields and adds a constant string as a prefix in the form of a credit card.
Example: XXXX-XXXX-XXXX-1234
Reference:
https://docs.microsoft.com/en-us/azure/sql-database/sql-database-dynamic-data-masking-get-started

質問 # 196
Table1 という名前のテーブルを含む Azure Synapse Analytics 専用の SQL プールがあります。
取り込まれ、container1 という名前の Azure Data Lake Storage Gen2 コンテナーに読み込まれるファイルがあります。
ファイルからのデータを Table1 とコンテナー 1 という名前の azure Data Lake Storage Gen2 コンテナーに挿入する予定です。
ファイルのデータを Table1 に挿入し、データを変換する予定です。ファイル内のデータの各行は、Table1 のサービスレイヤーに 1 行を生成します。
ソースデータファイルが container1 にロードされるときに、DateTime が Table1 の追加の列として保存されることを確認する必要があります。
解決策: Azure Synapse Analytics パイプラインでは、ファイルの DateTime を取得する Get Metadata アクティビティを使用します。
これは目標を達成していますか？

A. はい
B. いいえ

正解：B

質問 # 197
注：この質問は、同じシナリオを提示する一連の質問の一部です。シリーズの各質問には、述べられた目標を達成する可能性のある独自の解決策が含まれています。一部の質問セットには複数の正しい解決策がある場合がありますが、他の質問セットには正しい解決策がない場合があります。
このセクションの質問に回答した後は、その質問に戻ることはできません。その結果、これらの質問はレビュー画面に表示されません。
ステージングゾーンを含むAzureData LakeStorageアカウントがあります。
ステージングゾーンから増分データを取り込み、Rスクリプトを実行してデータを変換し、変換されたデータをAzure SynapseAnalyticsのデータウェアハウスに挿入する毎日のプロセスを設計する必要があります。
解決策：Rノートブックを実行するAzure Databricksジョブをスケジュールしてから、データウェアハウスにデータを挿入します。
これは目標を達成していますか？

A. はい
B. いいえ

正解：B

解説：
Explanation
Must use an Azure Data Factory, not an Azure Databricks job.
Reference:
https://docs.microsoft.com/en-US/azure/data-factory/transform-data

質問 # 198
Azure データ要素があり、次のブランチを含む Git リポジトリに接続されています。
※mam：コラボブランチ
* abc: 機能ブランチ
* xyz: 機能ブランチ
xyz ブランチのパイプラインへの料金を保存します。
変更をライブサービスに公開する必要があります
まず何をすべきでしょうか?

A. プルリクエストを作成して、変更を abc ブランチにマージします。
B. プルリクエストを作成して、変更をメインブランチにマージします。
C. データファクトリを公開します。
D. コードをリモートオリジンにプッシュします。

正解：B

質問 # 199
Azure Synapse Analyticsに、Server1という名前のサーバー上のDW1という名前のエンタープライズデータウェアハウスがあります。
DW1の各ディストリビューションのトランザクションログファイルのサイズが160GB未満であるかどうかを確認する必要があります。
あなたは何をするべきか？

A. DW1で、sys.database_files動的管理ビューに対してクエリを実行します。
B. AzureポータルのAzure Monitorから、DW1のログに対してクエリを実行します。
C. マスターデータベースで、sys.dm_pdw_nodes_os_performance_counters動的管理ビューに対してクエリを実行します。

正解：C

解説：
D. Execute a query against the logs of DW1 by using the Get-AzOperationalInsightSearchResult PowerShell cmdlet.
Explanation:
The following query returns the transaction log size on each distribution. If one of the log files is reaching 160 GB, you should consider scaling up your instance or limiting your transaction size.
-- Transaction log size
SELECT
instance_name as distribution_db,
cntr_value*1.0/1048576 as log_file_size_used_GB,
pdw_node_id
FROM sys.dm_pdw_nodes_os_performance_counters
WHERE
instance_name like 'Distribution_%'
AND counter_name = 'Log File(s) Used Size (KB)'
Reference:
https://docs.microsoft.com/en-us/azure/sql-data-warehouse/sql-data-warehouse-manage-monitor

質問 # 200
ある企業は、Platform-as-a-Service（PaaS）を使用して新しいデータパイプラインプロセスを作成することを計画しています。このプロセスは、次の要件を満たしている必要があります。
摂取：
複数のデータソースにアクセスします。
ワークフローを調整する機能を提供します。
SQL Server IntegrationServicesパッケージを実行する機能を提供します。
店：
ビッグデータワークロード向けにストレージを最適化します。
保存データの暗号化を提供します。
サイズ制限なしで操作できます。
準備とトレーニング：
探索と視覚化のための完全に管理されたインタラクティブなワークスペースを提供します。
R、SQL、Python、Scala、およびJavaでプログラミングする機能を提供します。
Azure ActiveDirectoryでシームレスなユーザー認証を提供します。
モデルとサーブ：
ネイティブの列型ストレージを実装します。
SQL言語のサポート
構造化ストリーミングのサポートを提供します。
データ統合パイプラインを構築する必要があります。
どのテクノロジーを使用する必要がありますか？回答するには、回答領域で適切なオプションを選択します。
注：正しい選択はそれぞれ1ポイントの価値があります。

正解：

解説：

Explanation
Graphical user interface, application, table, email Description automatically generated

質問 # 201
Azure Synapse Analytics 専用の SQL プールがあります。
過去 3 年間の売上データを格納する Table1 という名前のファクトテーブルを作成する必要があります。ソリューションは、次のクエリ操作用に最適化する必要があります。
注文数を週ごとに表示します。
*地域ごとの売上合計を計算します。
*製品ごとの売上合計を計算します。
* 特定の月のすべての注文を検索します。
Table1 を分割するには、どのデータを使用する必要がありますか?

A. 月
B. 週
C. 地域
D. 製品

正解：B

質問 # 202
あなたは、Microsoft Azure で Lambda アーキテクチャを使用してソリューションを開発しています。
テストレイヤーのデータは、次の要件を満たす必要があります。
データストレージ：
* リポジトリ (またはさまざまな形式の大量の大きなファイル) として機能します。
* ビッグデータ分析ワークロード用に最適化されたストレージを実装します。
* データが階層構造を使用して編成できることを確認します。
バッチ処理：
* インメモリ計算処理にはマネージドソリューションを使用します。
* Scala、Python、および R プログラミング言語をネイティブにサポートします。
* クラスターのサイズを変更して自動的に終了する機能を提供します。
分析データストア:
* 並列処理をサポートします。
* カラムナストレージを使用します。
* SQL ベースの言語をサポートします。
Lambda アーキテクチャを構築するには、正しいテクノロジーを特定する必要があります。
どのテクノロジを使用する必要がありますか?回答するには、回答エリアで適切なオプションを選択してください。注: 正しい選択ごとに 1 ポイントの価値があります。

正解：

解説：

Explanation

Data storage: Azure Data Lake Store
A key mechanism that allows Azure Data Lake Storage Gen2 to provide file system performance at object storage scale and prices is the addition of a hierarchical namespace. This allows the collection of objects/files within an account to be organized into a hierarchy of directories and nested subdirectories in the same way that the file system on your computer is organized. With the hierarchical namespace enabled, a storage account becomes capable of providing the scalability and cost-effectiveness of object storage, with file system semantics that are familiar to analytics engines and frameworks.
Batch processing: HD Insight Spark
Aparch Spark is an open-source, parallel-processing framework that supports in-memory processing to boost the performance of big-data analysis applications.
HDInsight is a managed Hadoop service. Use it deploy and manage Hadoop clusters in Azure. For batch processing, you can use Spark, Hive, Hive LLAP, MapReduce.
Languages: R, Python, Java, Scala, SQL
Analytic data store: SQL Data Warehouse
SQL Data Warehouse is a cloud-based Enterprise Data Warehouse (EDW) that uses Massively Parallel Processing (MPP).
SQL Data Warehouse stores data into relational tables with columnar storage.
References:
https://docs.microsoft.com/en-us/azure/storage/blobs/data-lake-storage-namespace
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/batch-processing
https://docs.microsoft.com/en-us/azure/sql-data-warehouse/sql-data-warehouse-overview-what-is

質問 # 203
ある企業は、製造機械を監視するために IoT デバイスを購入します。同社は IoT アプライアンスを使用して IoT デバイスと通信します。
企業は、デバイスをリアルタイムで監視できなければなりません。
ソリューションを設計する必要があります。
何をお勧めしますか？

A. Azure PowerShell を使用した Azure Analysis Services
B. Azure Portal を使用した Azure Data Factory インスタンス
C. Azure Portal を使用した Azure Analysis Services
D. Azure PowerShell を使用した Azure Stream Analytics クラウドジョブ

正解：D

解説：
Explanation
Stream Analytics is a cost-effective event processing engine that helps uncover real-time insights from devices, sensors, infrastructure, applications and data quickly and easily.
Monitor and manage Stream Analytics resources with Azure PowerShell cmdlets and powershell scripting that execute basic Stream Analytics tasks.
Reference:
https://cloudblogs.microsoft.com/sqlserver/2014/10/29/microsoft-adds-iot-streaming-analytics-data-production-a

質問 # 204
あなたは、インターネットに接続するリモートセンサーからのストリーミングデータを視覚化するリアルタイムダッシュボードソリューションを設計しています。ストリーミングデータを集計して、10 秒間隔ごとの平均値を表示する必要があります。ダッシュボードに表示した後、データは破棄されます。
ソリューションは Azure Stream Analytics を使用し、次の要件を満たす必要があります。
Azure イベントハブからダッシュボードまでの待機時間を最小限に抑えます。
必要なストレージを最小限に抑えます。
開発労力を最小限に抑えます。
ソリューションには何を含める必要がありますか?答えるには、答えで適切なオプションを選択します。
注: 正しい選択ごとに 1 ポイントの価値があります。