最上級のDP-600日本語試験問題Microsoftテスト最高成績で最速合格をゲットせよ！
試験準備には最適なDP-600日本語試験問題2025年最新のMicrosoft Certified究極な112問があります
質問 # 48
lakehouse1 という名前のレイクハウスを含むファブリック テナントがあります。 Lakehouse1 には Table1 という名前のテーブルが含まれています。
新しいデータ パイプラインを作成しています。
外部データを Table1 にコピーする予定です。外部データのスキーマは定期的に変更されます。
次の要件を満たすためにコピー操作が必要です。
* Table1 を外部データのスキーマに置き換えます。
* Table1 のすべてのデータを外部データの行に置き換えます。
データのコピー アクティビティをパイプラインに追加します。データのコピー アクティビティでは何をする必要がありますか?
- A. [宛先] タブで、テーブル アクションを [上書き] に設定します。
- B. [設定] タブから、[ステージングを有効にする] を選択します。
- C. [ソース] タブから列を追加します。
- D. [ソース] タブから、[パーティション検出を有効にする] を選択します。
- E. 「ソース」タブから「再帰的に」を選択します。
正解：A
解説：
For the Copy data activity, from the Destination tab, setting Table action to Overwrite (B) will ensure that Table1 is replaced with the schema and rows of the external data, meeting the requirements of replacing both the schema and data of the destination table. Reference = Information about Copy data activity and table actions in Azure Data Factory, which can be applied to data pipelines in Fabric, is available in the Azure Data Factory documentation.
質問 # 49
倉庫を含む Fabric テナントがあります。
ユーザーは、通常はレンダリングに 2 分かかるレポートが 45 分間実行されていてもまだレンダリングされていないことに気付きました。
レポート クエリの完了を妨げている原因を特定する必要があります。
どの動的管理ビュー (DMV) を使用する必要がありますか?
- A. sys.dm-exec_requests
- B. sys.dm._exec._connections
- C. sys.dn_.exec._sessions
- D. sys.dm_pdw_exec_requests
正解：D
解説：
The correct DMV to identify what is preventing the report query from completing is sys.dm_pdw_exec_requests (D). This DMV is specific to Microsoft Analytics Platform System (previously known as SQL Data Warehouse), which is the environment assumed to be used here. It provides information about all queries and load commands currently running or that have recently run. References = You can find more about DMVs in the Microsoft documentation for Analytics Platform System.
質問 # 50
AnalyticsPOC ワークスペースではどのタイプのデータ ストアを推奨しますか?
- A. 倉庫
- B. データレイク
- C. 湖畔の家
- D. 外部Hiveメタストア
正解：C
質問 # 51
全体的な満足度の平均スコアを計算するには、DAX メジャーを作成する必要があります。
DAX コードをどのように完成させるべきでしょうか?回答するには、回答領域で適切なオプションを選択してください。
注: 正しく選択するたびに 1 ポイントの価値があります。
正解：
解説：
Explanation:
* The measure should use the AVERAGE function to calculate the average value.
* It should reference the Response Value column from the 'Survey' table.
* The 'Number of months' should be used to define the period for the average calculation.
To calculate the average overall satisfaction score using DAX, you would need to use the AVERAGE function on the response values related to satisfaction questions. The DATESINPERIOD function will help in calculating the rolling average over the last 12 months.
質問 # 52
DirectQuery セマンティック モデルを含む Fabric ワークスペースがあります。このモデルは、5 億行を持つデータ ソースをクエリします。
このモデルを使用する Report1 という名前の Microsoft Power Bl レポートがあります。報告！複数のページにビジュアルが含まれています。
すべてのページのビジュアルに対するクエリの実行時間を短縮する必要があります。
使える2つの機能とは何ですか？それぞれの正解は完全な解決策を示します。
注: 各正解は 1 ポイントの価値があります。
- A. ユーザー定義の集計
- B. OneLake 統合
- C. クエリのキャッシュ
- D. 自動集計
正解：B、C
解説：
User-defined aggregations (A) and query caching (C) are two features that can help reduce query execution time. User-defined aggregations allow precalculation of large datasets, and query caching stores the results of queries temporarily to speed up future queries. Reference = Microsoft Power BI documentation on performance optimization offers in-depth knowledge on these features.
質問 # 53
Lakehousel という名前のレイクハウスを含むファブリック テナントがあります。 Lakehousel には 8 つの列を持つデルタ テーブルが含まれています。同じ 8 列と追加の 2 列を含む新しいデータを受け取ります。
Spark DataFrame を作成し、その DataFrame を df という名前の変数に割り当てます。 DataFrame には新しいデータが含まれています。次の要件を満たすために、新しいデータをデルタ テーブルに追加する必要があります。
* 既存の行はすべて保持します。
* すべての新しいデータがテーブルに追加されていることを確認してください。
コードをどのように完成させるべきでしょうか?回答するには、回答領域で適切なオプションを選択してください。
正解：
解説：
質問 # 54
AnalyticsPOC ワークスペース内のデータ ストアに対するアクセス許可を割り当てる必要があります。ソリューションはセキュリティ要件を満たしている必要があります。
データ ストアを共有する場合、どの追加のアクセス許可を割り当て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てください。
注: 正しく選択するたびに 1 ポイントの価値があります。
正解：
解説：
Explanation:
* Data Engineers: Read All SQL analytics endpoint data
* Data Analysts: Read All Apache Spark
* Data Scientists: Read All SQL analytics endpoint data
The permissions for the data store in the AnalyticsPOC workspace should align with the principle of least privilege:
* Data Engineers need read and write access but not to datasets or reports.
* Data Analysts require read access specifically to the dimensional model objects and the ability to create Power BI reports.
* Data Scientists need read access via Spark notebooks. These settings ensure each role has the necessary permissions to fulfill their responsibilities without exceeding their required access level.
質問 # 55
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。一連の質問にはそれぞれ、定められた目標を満たす可能性のある独自の解決策が含まれています。質問セットによっては、正しい解決策が複数ある場合もあれば、正しい解決策がない場合もあります。
このセクションで質問に答えた後は、そのセクションに戻ることはできません。そのため、これらの質問はレビュー画面に表示されません。
Model1 という名前のセマンティック モデルを含む Fabric テナントがあります。
次のクエリは Model1 に対して実行が遅いことがわかります。
クエリの実行時間を短縮する必要があります。
解決策: 次のコードを使用して 4 行目を置き換えます。
これは目標を満たしていますか?
- A. いいえ
- B. はい
正解：A
解説：
Topic 1, Litware. Inc. Case Study
Overview
Litware. Inc. is a manufacturing company that has offices throughout North America. The analytics team at Litware contains data engineers, analytics engineers, data analysts, and data scientists.
Existing Environment
litware has been using a Microsoft Power Bl tenant for three years. Litware has NOT enabled any Fabric capacities and features.
Fabric Environment
Litware has data that must be analyzed as shown in the following table.
The Product data contains a single table and the following columns.
The customer satisfaction data contains the following tables:
* Survey
* Question
* Response
For each survey submitted, the following occurs:
* One row is added to the Survey table.
* One row is added to the Response table for each question in the survey.
The Question table contains the text of each survey question. The third question in each survey response is an overall satisfaction score. Customers can submit a survey after each purchase.
User Problems
The analytics team has large volumes of data, some of which is semi-structured. The team wants to use Fabric to create a new data store.
Product data is often classified into three pricing groups: high, medium, and low. This logic is implemented in several databases and semantic models, but the logic does NOT always match across implementations.
Planned Changes
Litware plans to enable Fabric features in the existing tenant. The analytics team will create a new data store as a proof of concept (PoC). The remaining Litware users will only get access to the Fabric features once the PoC is complete. The PoC will be completed by using a Fabric trial capacity.
The following three workspaces will be created:
* AnalyticsPOC: Will contain the data store, semantic models, reports, pipelines, dataflows, and notebooks used to populate the data store
* DataEngPOC: Will contain all the pipelines, dataflows, and notebooks used to populate Onelake
* DataSciPOC: Will contain all the notebooks and reports created by the data scientists The following will be created in the AnalyticsPOC workspace:
* A data store (type to be decided)
* A custom semantic model
* A default semantic model
* Interactive reports
The data engineers will create data pipelines to load data to OneLake either hourly or daily depending on the data source. The analytics engineers will create processes to ingest transform, and load the data to the data store in the AnalyticsPOC workspace daily. Whenever possible, the data engineers will use low-code tools for data ingestion. The choice of which data cleansing and transformation tools to use will be at the data engineers' discretion.
All the semantic models and reports in the Analytics POC workspace will use the data store as the sole data source.
Technical Requirements
The data store must support the following:
* Read access by using T-SQL or Python
* Semi-structured and unstructured data
* Row-level security (RLS) for users executing T-SQL queries
Files loaded by the data engineers to OneLake will be stored in the Parquet format and will meet Delta Lake specifications.
Data will be loaded without transformation in one area of the AnalyticsPOC data store. The data will then be cleansed, merged, and transformed into a dimensional model.
The data load process must ensure that the raw and cleansed data is updated completely before populating the dimensional model.
The dimensional model must contain a date dimension. There is no existing data source for the date dimension. The Litware fiscal year matches the calendar year. The date dimension must always contain dates from 2010 through the end of the current year.
The product pricing group logic must be maintained by the analytics engineers in a single location. The pricing group data must be made available in the data store for T-SQL queries and in the default semantic model. The following logic must be used:
* List prices that are less than or equal to 50 are in the low pricing group.
* List prices that are greater than 50 and less than or equal to 1,000 are in the medium pricing group.
* List pnces that are greater than 1,000 are in the high pricing group.
Security Requirements
Only Fabric administrators and the analytics team must be able to see the Fabric items created as part of the PoC. Litware identifies the following security requirements for the Fabric items in the AnalyticsPOC workspace:
* Fabric administrators will be the workspace administrators.
* The data engineers must be able to read from and write to the data store. No access must be granted to datasets or reports.
* The analytics engineers must be able to read from, write to, and create schemas in the data store. They also must be able to create and share semantic models with the data analysts and view and modify all reports in the workspace.
* The data scientists must be able to read from the data store, but not write to it. They will access the data by using a Spark notebook.
* The data analysts must have read access to only the dimensional model objects in the data store. They also must have access to create Power Bl reports by using the semantic models created by the analytics engineers.
* The date dimension must be available to all users of the data store.
* The principle of least privilege must be followed.
Both the default and custom semantic models must include only tables or views from the dimensional model in the data store. Litware already has the following Microsoft Entra security groups:
* FabricAdmins: Fabric administrators
* AnalyticsTeam: All the members of the analytics team
* DataAnalysts: The data analysts on the analytics team
* DataScientists: The data scientists on the analytics team
* Data Engineers: The data engineers on the analytics team
* Analytics Engineers: The analytics engineers on the analytics team
Report Requirements
The data analysis must create a customer satisfaction report that meets the following requirements:
* Enables a user to select a product to filter customer survey responses to only those who have purchased that product
* Displays the average overall satisfaction score of all the surveys submitted during the last 12 months up to a selected date
* Shows data as soon as the data is updated in the data store
* Ensures that the report and the semantic model only contain data from the current and previous year
* Ensures that the report respects any table-level security specified in the source data store
* Minimizes the execution time of report queries
質問 # 56
セマンティック モデルを含むファブリック テナントがあります。モデルには小売店に関するデータが含まれています。
XMLA エンドポイントを使用して実行される DAX クエリを作成する必要があります。クエリは、2023 年 12 月 1 日以降にオープンした店舗のテーブルを返す必要があります。
DAX 式をどのように完成させるべきでしょうか?答えるには、適切な値を正しいターゲットにドラッグします。
各値は 1 回使用することも、複数回使用することも、まったく使用しないこともできます。コンテンツを表示するには、ペイン間で分割バーをドラッグするか、スクロールする必要がある場合があります。
注: 正しく選択するたびに 1 ポイントの価値があります。
正解：
解説：
Explanation:
The correct order for the DAX expression would be:
* DEFINE VAR _SalesSince = DATE ( 2023, 12, 01 )
* EVALUATE
* FILTER (
* SUMMARIZE ( Store, Store[Name], Store[OpenDate] ),
* Store[OpenDate] >= _SalesSince )
In this DAX query, you're defining a variable _SalesSince to hold the date from which you want to filter the stores. EVALUATE starts the definition of the query. The FILTER function is used to return a table that filters another table or expression. SUMMARIZE creates a summary table for the stores, including the Store[Name] and Store[OpenDate] columns, and the filter expression Store[OpenDate] >= _SalesSince ensures only stores opened on or after December 1, 2023, are included in the results.
References =
* DAX FILTER Function
* DAX SUMMARIZE Function
質問 # 57
2 つのレイクハウスを含むファブリック テナントがあります。
湖畔からのデータを結合するデータフローを構築しています。データフロー内のクエリの 1 つから適用されるステップを次の図に示します。
ドロップダウン メニューを使用して、図に示されている情報に基づいて各ステートメントを完成させる回答の選択肢を選択します。注: 正しく選択するたびに 1 ポイントの価値があります。
正解：
解説：
Reference:
Query folding in Power Query
Power Query M formula language
質問 # 58
データフローを含む Microsoft Fabric テナントがあります。
あなたは新しいセマンティック モデルを模索しています。
Power Query からは、次の図に示すように列情報を表示する必要があります。
どの 3 つのデータ ビュー オプションを選択する必要がありますか?それぞれの正解は、解決策の一部を示しています。注記：
正解ごとに 1 ポイントの価値があります。
- A. 詳細ペインに列プロファイルを表示します
- B. 詳細ペインを有効にする
- C. 列値の分布を表示します。
- D. 列プロファイルを有効にする
- E. 列品質の詳細を表示します
正解：B、D、E
解説：
To view column information like the one shown in the exhibit in Power Query, you need to select the options that enable profiling and display quality and distribution details. These are: A. Enable column profile - This option turns on profiling for each column, showing statistics such as distinct and unique values. B. Show column quality details - It displays the column quality bar on top of each column showing the percentage of valid, error, and empty values. E. Show column value distribution - It enables the histogram display of value distribution for each column, which visualizes how often each value occurs.
質問 # 59
Staging.Sales という名前のテーブルを含む Fabric ウェアハウスがあります。 Staging.Sales には次の列が含まれます。
ProductID と ProductName arxl の集計金額が 10,000 を超えていることを表示する 2023 年のデータを返す T-SQL クエリを作成する必要があります。どのクエリを使用する必要がありますか?
- A.
- B.
- C.
- D.
正解：A
解説：
The correct query to use in order to return data for the year 2023 that displays ProductID, ProductName, and has a summarized Amount greater than 10,000 is Option B. The reason is that it uses the GROUP BY clause to organize the data by ProductID and ProductName and then filters the result using the HAVING clause to only include groups where the sum of Amount is greater than 10,000. Additionally, the DATEPART(YEAR, SaleDate) = '2023' part of the HAVING clause ensures that only records from the year 2023 are included. Reference = For more information, please visit the official documentation on T-SQL queries and the GROUP BY clause at T-SQL GROUP BY.
質問 # 60
Lakehouse1 という名前のレイクハウスを含む Fabric テナントがあります。 Lakehouse1 には、CSV ファイルを含む Subfolder1 という名前のサブフォルダーが含まれています。 CSV ファイルを、V-Order 最適化が有効になっているデルタ形式に変換する必要があります。 Lakehouse エクスプローラーから何をすればよいですか?
- A. テーブルへのロード機能を使用します。
- B. [テーブル] セクションに新しいショートカットを作成します。
- C. [ファイル] セクションに新しいショートカットを作成します。
- D. 最適化機能を使用します。
正解：A
解説：
To convert CSV files into the delta format with Z-Order optimization enabled, you should use the Optimize feature (D) from Lakehouse Explorer. This will allow you to optimize the file organization for the most efficient querying. References = The process for converting and optimizing file formats within a lakehouse is discussed in the lakehouse management documentation.
質問 # 61
メジャーを含む Microsoft Power Bl セマンティック モデルがあります。メジャーでは、複数の計算関数とフィルター関数が使用されます。
メジャーのパフォーマンスを評価しています。
どのユースケースでフィルター関数を keepfilters 関数に置き換えると実行時間が短縮されますか?
- A. フィルター関数が複数のテーブルの列を参照する場合
- B. フィルター関数がメジャーを参照する場合
- C. フィルター関数がインポート モードを使用する単一テーブルの列を参照する場合
- D. フィルター関数がネストされた計算関数を使用する場合
正解：D
解説：
The KEEPFILTERS function modifies the way filters are applied in calculations done through the CALCULATE function. It can be particularly beneficial to replace the FILTER function with KEEPFILTERS when the filter context is being overridden by nested CALCULATE functions, which may remove filters that are being applied on a column. This can potentially reduce execution time because KEEPFILTERS maintains the existing filter context and allows the nested CALCULATE functions to be evaluated more efficiently.
質問 # 62
テナントを PoC に向けて準備するためのソリューションを推奨する必要があります。
ファブリック管理ポータルから実行することを推奨する 2 つのアクションはどれですか?それぞれの正解は、解決策の一部を示しています。
注: 各正解は 1 ポイントの価値があります。
- A. [ユーザーはファブリック アイテムを作成できる] オプションを有効にし、特定のセキュリティ グループを除外します。
- B. 特定のセキュリティ グループに対して [ユーザーは Microsoft Fabric の有料機能を試すことができます] オプションを有効にします。
- C. 特定のセキュリティ グループに対して [ユーザーはファブリック アイテムを作成できる] オプションを有効にします。
- D. [ユーザーは Microsoft Fabric の有料機能を試すことができます] オプションを組織全体に対して有効にします。
- E. 特定のセキュリティ グループに対して [Azure Active Directory ゲスト ユーザーに Microsoft ファブリックへのアクセスを許可する] オプションを有効にします。
正解：B、C
解説：
The PoC is planned to be completed using a Fabric trial capacity, which implies that users involved in the PoC should be able to try paid features. However, this should be limited to specific security groups involved in the PoC to prevent the entire organization from accessing these features before the trial is proven successful (A).
The ability for users to create Fabric items should also be enabled for specific security groups to ensure that only the relevant team members participating in the PoC can create items in the Fabric environment (E).
質問 # 63
OneLake に新しいセマンティック モデルを含む Fabric テナントがあります。
Fabric ノートブックを使用して、データを Spark DataFrame に読み取ります。
データを評価して、すべての文字列列と数値列の最小値、最大値、平均値、標準偏差の値を計算する必要があります。
解決策: 次の PySpark 式を使用します。
df.show()
これは目標を達成していますか?
- A. いいえ
- B. はい
正解：A
解説：
The df.show() method also does not meet the goal. It is used to show the contents of the DataFrame, not to compute statistical functions. Reference = The usage of the show() function is documented in the PySpark API documentation.
質問 # 64
あなたは、Customers と Products という名前の 2 つのディメンション テーブルを Fabric ウェアハウスに実装しています。
データのバージョン管理を管理するには、緩やかに変化するディメンション (SCO) を使用する必要があります。ソリューションは、次の表に示す要件を満たす必要があります。
各テーブルにはどのタイプの SCD を使用する必要がありますか?答えるには、適切な SCD タイプを正しいテーブルにドラッグします。各 SCD タイプは、1 回使用することも、複数回使用することも、まったく使用しないこともできます。コンテンツを表示するには、ペイン間で分割バーをドラッグするか、スクロールする必要がある場合があります。
注: 正しく選択するたびに 1 ポイントの価値があります。
正解：
解説：
質問 # 65
次の図に示す Python コードと出力を含む Fabric ノートブックがあります。
どのタイプの分析を実行していますか?
- A. 予測
- B. 診断
- C. 規範的
- D. 説明的なもの
正解：D
解説：
The Python code and output shown in the exhibit display a histogram, which is a representation of the distribution of data. This kind of analysis is descriptive analytics, which is used to describe or summarize the features of a dataset. Descriptive analytics answers the question of "what has happened" by providing insight into past data through tools such as mean, median, mode, standard deviation, and graphical representations like histograms.
References: Descriptive analytics and the use of histograms as a way to visualize data distribution are basic concepts in data analysis, often covered in introductory analytics and Python programming resources.
質問 # 66
......
注目のDP-600日本語豪華セット試験ガイドで最速合格を目指そう：https://jp.fast2test.com/DP-600J-premium-file.html