無料Microsoft Certified: Azure Data Engineer Associate DP-203日本語究極の学習ガイド（更新された352問あります)
トップクラスのDP-203日本語練習試験問題
質問 # 43
Azure DatabricksでPySparkを使用して、次のJSON入力を解析します。
以下の表形式でデータを出力する必要があります。
PySparkコードをどのように完成させる必要がありますか？答えるには、適切な値をドラッグしてターゲットを修正します。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：
質問 # 44
次のコードセグメントは、AzureDatabricksクラスターを作成するために使用されます。
次の各ステートメントについて、ステートメントがtrueの場合は、[はい]を選択します。それ以外の場合は、[いいえ]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://adatis.co.uk/databricks-cluster-sizing/
https://docs.microsoft.com/en-us/azure/databricks/jobs
https://docs.databricks.com/administration-guide/capacity-planning/cmbp.html
https://docs.databricks.com/delta/index.html
質問 # 45
Azure Synapse Analytics 専用の SQL プールでデータ ウェアハウスのディメンションを作成しています。
次の図に示す Transact-SQL ステートメントを使用してテーブルを作成します。
ドロップダウン メニューを使用して、グラフィックに表示されている情報に基づいて各ステートメントを完了する回答の選択肢を選択します。
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: Type 2
A Type 2 SCD supports versioning of dimension members. Often the source system doesn't store versions, so the data warehouse load process detects and manages changes in a dimension table. In this case, the dimension table must use a surrogate key to provide a unique reference to a version of the dimension member. It also includes columns that define the date range validity of the version (for example, StartDate and EndDate) and possibly a flag column (for example, IsCurrent) to easily filter by current dimension members.
Reference:
https://docs.microsoft.com/en-us/learn/modules/populate-slowly-changing-dimensions-azure-synapse-analytics-p
質問 # 46
デバイスが指定された場所から200メートル以上離れたときにユーザーに警告するリアルタイム監視アプリを作成することを計画しています。
計画されたアプリのデータを処理するには、Azure StreamAnalyticsジョブを設計する必要があります。このソリューションでは、開発されるコードの量と使用されるテクノロジーの数を最小限に抑える必要があります。
Stream Analyticsジョブには何を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：
Reference:
https://docs.microsoft.com/en-us/azure/stream-analytics/stream-analytics-get-started-with-azure-stream-analytics-to-process-data-from-iot-devices
https://docs.microsoft.com/en-us/azure/stream-analytics/geospatial-scenarios
質問 # 47
Azure IoT Hub から入力データを受け取り、結果を Azure Blob Storage に書き込む Azure Analytics クエリを構築しています。
1 時間あたりのセンサーごとの読み取り値の差を計算する必要があります。
どのようにクエリを完成させますか?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://docs.microsoft.com/en-us/stream-analytics-query/lag-azure-stream-analytics
質問 # 48
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：
Explanation
Table Description automatically generated
Box 1: Personal access tokens
You can use storage shared access signatures (SAS) to access an Azure Data Lake Storage Gen2 storage account directly. With SAS, you can restrict access to a storage account using temporary tokens with fine-grained access control.
You can add multiple storage accounts and configure respective SAS token providers in the same Spark session.
Box 2: Azure Active Directory credential passthrough
You can authenticate automatically to Azure Data Lake Storage Gen1 (ADLS Gen1) and Azure Data Lake Storage Gen2 (ADLS Gen2) from Azure Databricks clusters using the same Azure Active Directory (Azure AD) identity that you use to log into Azure Databricks. When you enable your cluster for Azure Data Lake Storage credential passthrough, commands that you run on that cluster can read and write data in Azure Data Lake Storage without requiring you to configure service principal credentials for access to storage.
After configuring Azure Data Lake Storage credential passthrough and creating storage containers, you can access data directly in Azure Data Lake Storage Gen1 using an adl:// path and Azure Data Lake Storage Gen2 using an abfss:// path:
Reference:
https://docs.microsoft.com/en-us/azure/databricks/data/data-sources/azure/adls-gen2/azure-datalake-gen2-sas-acc
https://docs.microsoft.com/en-us/azure/databricks/security/credential-passthrough/adls-passthrough
質問 # 49
ユーザーが Web ページの機能を操作するために費やす時間を特定するための Azure Stream Analytics ジョブを構築しています。
ジョブは、Web ページでのユーザー アクションに基づいてイベントを受け取ります。データの各行はイベントを表します。各イベントには、「開始」または「終了」のいずれかのタイプがあります。
開始イベントと終了イベントの間の期間を計算する必要があります。
どのようにクエリを完成させますか?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://docs.microsoft.com/en-us/azure/stream-analytics/stream-analytics-stream-analytics-query-patterns
質問 # 50
次の表に示すユーザーを含むAzureSynapseAnalytics専用のSQLプールがあります。
User1はデータベースに対してクエリを実行し、クエリは次の図に示す結果を返します。
User1は、マスクされていないデータにアクセスできる唯一のユーザーです。
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了する回答の選択肢を選択します。
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, email Description automatically generated
Box 1: 0
The YearlyIncome column is of the money data type.
The Default masking function: Full masking according to the data types of the designated fields
* Use a zero value for numeric data types (bigint, bit, decimal, int, money, numeric, smallint, smallmoney, tinyint, float, real).
Box 2: the values stored in the database
Users with administrator privileges are always excluded from masking, and see the original data without any mask.
Reference:
https://docs.microsoft.com/en-us/azure/azure-sql/database/dynamic-data-masking-overview
質問 # 51
Azure Synapse Analytics 専用の SQL プールがあります。
クラスター化列ストア インデックスを含む Table1 という名前のファクト テーブルを作成する予定です。
Table1 のデータ圧縮とクエリのパフォーマンスを最適化する必要があります。
パーティションを作成する前に、Table1 に含める必要がある最小行数は何ですか?
- A. 100.000
- B. 6,000万
- C. 100万
- D. 600,000
正解：A
質問 # 52
ゲームデータを取得するためのAzureStreamAnalyticsジョブを構築しています。
各ゲームの5分間隔ごとに、ジョブが最高スコアのレコードを返すようにする必要があります。
Stream Analyticsクエリをどのように完了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:
Box 1: TopOne OVER(PARTITION BY Game ORDER BY Score Desc)
TopOne returns the top-rank record, where rank defines the ranking position of the event in the window according to the specified ordering. Ordering/ranking is based on event columns and can be specified in ORDER BY clause.
Box 2: Hopping(minute,5)
Hopping window functions hop forward in time by a fixed period. It may be easy to think of them as Tumbling windows that can overlap and be emitted more often than the window size. Events can belong to more than one Hopping window result set. To make a Hopping window the same as a Tumbling window, specify the hop size to be the same as the window size.
Reference:
https://docs.microsoft.com/en-us/stream-analytics-query/topone-azure-stream-analytics
https://docs.microsoft.com/en-us/azure/stream-analytics/stream-analytics-window-functions
質問 # 53
ゲームデータを取得するためのAzureStreamAnalyticsジョブを構築しています。
各ゲームの5分間隔ごとに、ジョブが最高スコアのレコードを返すようにする必要があります。
Stream Analyticsクエリをどのように完了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：
Reference:
https://docs.microsoft.com/en-us/stream-analytics-query/topone-azure-stream-analytics
https://docs.microsoft.com/en-us/azure/stream-analytics/stream-analytics-window-functions
質問 # 54
ステージングゾーンを含むAzureDataLakeストレージ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AzureData Factoryのスケジュールトリガーを使用して、Azure Databricksノートブックを実行するパイプラインを実行し、データウェアハウスにデータを挿入します。これで目標を達成できますか？
- A. いいえ
- B. はい
正解：A
解説：
If you need to transform data in a way that is not supported by Data Factory, you can create a custom activity, not an Azure Databricks notebook, with your own data processing logic and use the activity in the pipeline. You can create a custom activity to run R scripts on your HDInsight cluster with R installed.
Reference:
https://docs.microsoft.com/en-US/azure/data-factory/transform-data
質問 # 55
トランザクションデータの分析ストレージソリューションを設計する必要があります。ソリューションは、販売トランザクションデータセットの要件を満たす必要があります。
ソリューションに何を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:
Box 1: Round-robin
Round-robin tables are useful for improving loading speed.
Scenario: Partition data that contains sales transaction records. Partitions must be designed to provide efficient loads by month.
Box 2: Hash
Hash-distributed tables improve query performance on large fact tables.
Reference:
https://docs.microsoft.com/en-us/azure/synapse-analytics/sql-data-warehouse/sql-data-warehouse-tables-distribute
質問 # 56
オンプレミスのデータ ソースと Azure Synapse Analytics を統合する必要があります。ソリューションは、データ統合の要件を満たす必要があります。
どのタイプの統合ランタイムを使用する必要がありますか?
- A. Azure-SSIS 統合ランタイム
- B. Azure 統合ランタイム
- C. セルフホステッド統合ランタイム
正解：B
解説：
Topic 1, Contoso
Transactional Date
Contoso has three years of customer, transactional, operation, sourcing, and supplier data comprised of 10 billion records stored across multiple on-premises Microsoft SQL Server servers. The SQL server instances contain data from various operational systems. The data is loaded into the instances by using SQL server integration Services (SSIS) packages.
You estimate that combining all product sales transactions into a company-wide sales transactions dataset will result in a single table that contains 5 billion rows, with one row per transaction.
Most queries targeting the sales transactions data will be used to identify which products were sold in retail stores and which products were sold online during different time period. Sales transaction data that is older than three years will be removed monthly.
You plan to create a retail store table that will contain the address of each retail store. The table will be approximately 2 MB. Queries for retail store sales will include the retail store addresses.
You plan to create a promotional table that will contain a promotion ID. The promotion ID will be associated to a specific product. The product will be identified by a product ID. The table will be approximately 5 GB.
Streaming Twitter Data
The ecommerce department at Contoso develops and Azure logic app that captures trending Twitter feeds referencing the company's products and pushes the products to Azure Event Hubs.
Planned Changes
Contoso plans to implement the following changes:
* Load the sales transaction dataset to Azure Synapse Analytics.
* Integrate on-premises data stores with Azure Synapse Analytics by using SSIS packages.
* Use Azure Synapse Analytics to analyze Twitter feeds to assess customer sentiments about products.
Sales Transaction Dataset Requirements
Contoso identifies the following requirements for the sales transaction dataset:
* Partition data that contains sales transaction records. Partitions must be designed to provide efficient loads by month. Boundary values must belong: to the partition on the right.
* Ensure that queries joining and filtering sales transaction records based on product ID complete as quickly as possible.
* Implement a surrogate key to account for changes to the retail store addresses.
* Ensure that data storage costs and performance are predictable.
* Minimize how long it takes to remove old records.
Customer Sentiment Analytics Requirement
Contoso identifies the following requirements for customer sentiment analytics:
* Allow Contoso users to use PolyBase in an A/ure Synapse Analytics dedicated SQL pool to query the content of the data records that host the Twitter feeds. Data must be protected by using row-level security (RLS). The users must be authenticated by using their own A/ureAD credentials.
* Maximize the throughput of ingesting Twitter feeds from Event Hubs to Azure Storage without purchasing additional throughput or capacity units.
* Store Twitter feeds in Azure Storage by using Event Hubs Capture. The feeds will be converted into Parquet files.
* Ensure that the data store supports Azure AD-based access control down to the object level.
* Minimize administrative effort to maintain the Twitter feed data records.
* Purge Twitter feed data records;itftaitJ are older than two years.
Data Integration Requirements
Contoso identifies the following requirements for data integration:
Use an Azure service that leverages the existing SSIS packages to ingest on-premises data into datasets stored in a dedicated SQL pool of Azure Synaps Analytics and transform the data.
Identify a process to ensure that changes to the ingestion and transformation activities can be version controlled and developed independently by multiple data engineers.
質問 # 57
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：
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 # 58
Azure イベント ハブからインスタント メッセージング データを受信する Azure Stream Analytics ソリューションを設計しています。
Stream Analytics ジョブからの出力で、タイム ゾーンごとのメッセージ数が 15 秒ごとにカウントされるようにする必要があります。
Stream Analytics クエリをどのように完成させるべきですか?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:
Table Description automatically generated
Box 1: timestamp by
Box 2: TUMBLINGWINDOW
Tumbling window functions are used to segment a data stream into distinct time segments and perform a function against them, such as the example below. The key differentiators of a Tumbling window are that they repeat, do not overlap, and an event cannot belong to more than one tumbling window.
Timeline Description automatically generated
Reference:
https://docs.microsoft.com/en-us/azure/stream-analytics/stream-analytics-window-functions
質問 # 59
......
合格させるMicrosoft DP-203日本語試験問題でテスト復刻エンジンとPDF：https://jp.fast2test.com/DP-203J-premium-file.html