2026年最新の100%無料DP-600日本語日常練習試験には166問があります
DP-600日本語試験資料Microsoft学習ガイド
質問 # 57
Warehouse1 という名前の倉庫を含むファブリック テナントがあります。 Warehouse1 には、schemaA、schemaB という名前の 3 つのスキーマが含まれています。 User1 という名前のユーザーが schemaA のテーブルのみを切り詰めることができるようにする必要があります。
T-SQL ステートメントは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：
質問 # 58
価格グループの分類に関する問題を解決する必要があります。
T-SQL ステートメントをどのように完了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てください。
注意: 正しい選択ごとに 1 ポイントが付与されます。
正解：
解説：
Explanation:
You should use CREATE VIEW to make the pricing group logic available for T-SQL queries.
The CASE statement should be used to determine the pricing group based on the list price.
The T-SQL statement should create a view that classifies products into pricing groups based on the list price.
The CASE statement is the correct conditional logic to assign each product to the appropriate pricing group.
This view will standardize the pricing group logic across different databases and semantic models.
質問 # 59
複雑なセマンティックモデルを含むFabricテナントがあります。このモデルはスタースキーマに基づいており、Salesというファクトテーブルを含む多数のテーブルで構成されています。このモデルのダイアグラムを作成する必要があります。ダイアグラムには、Salesテーブルと関連テーブルのみを含める必要があります。Microsoft Power BI Desktopから何を使用すればよいでしょうか？
- A. モデルビュー
- B. データカテゴリ
- C. データビュー
- D. DAX クエリ ビュー
正解：A
解説：
To create a diagram that contains only the Sales table and related tables, you should use the Model view (C) in Microsoft Power BI Desktop. This view allows you to visualize and manage the relationships between tables within your semantic model. References = Microsoft Power BI Desktop documentation outlines the functionalities available in Model view for managing semantic models.
Topic 1, Contoso, ltd.
Overview
Contoso, ltd. is a US-based health supplements company, Contoso has two divisions named Sales and Research. The Sales division contains two departments named Online Sales and Retail Sales. The Research division assigns internally developed product lines to individual teams of researchers and analysts.
Identity Environment
Contoso has a Microsoft Entra tenant named contoso.com. The tenant contains two groups named ResearchReviewersGroupi and ReseachReviewefsGfoup2.
Data Environment
Contoso has the following data environment
* The Sales division uses a Microsoft Power B1 Premium capacity.
* The semantic model of the Online Sales department includes a fact table named Orders that uses import mode. In the system of origin, the OrderlD value represents the sequence in which orders are created.
* The Research department uses an on-premises. third-party data warehousing product.
* Fabric is enabled for contoso.com.
* An Azure Data Lake Storage Gen2 storage account named storage1 contains Research division data for a product line named Producthne1. The data is in the delta format.
* A Data Lake Storage Gen2 storage account named storage2 contains Research division data for a product line named Productline2. The data is in the CSV format.
Planned Changes
Contoso plans to make the following changes:
* Enable support for Fabric in the Power Bl Premium capacity used by the Sales division.
* Make all the data for the Sales division and the Research division available in Fabric.
* For the Research division, create two Fabric workspaces named Producttmelws and Productline2ws.
* in Productlinelws. create a lakehouse named LakehouseV
* In Lakehouse1. create a shortcut to storage1 named ResearchProduct.
Data Analytics Requirements
Contoso identifies the following data analytics requirements:
* All the workspaces for the Sales division and the Research division must support all Fabric experiences.
* The Research division workspaces must use a dedicated, on-demand capacity that has per-minute billing.
* The Research division workspaces must be grouped together logically to support OneLake data hub filtering based on the department name.
* For the Research division workspaces, the members of ResearchRevtewersGroupl must be able to read lakehouse and warehouse data and shortcuts by using SQL endpoints.
* For the Research division workspaces, the members of ResearchReviewersGroup2 must be able to read lakehouse data by using Lakehouse explorer.
* All the semantic models and reports for the Research division must use version control that supports branching Data Preparation Requirements Contoso identifies the following data preparation requirements:
* The Research division data for Producthne2 must be retrieved from Lakehouset by using Fabric notebooks.
* All the Research division data in the lakehouses must be presented as managed tables in Lakehouse explorer.
Semantic Model Requirements
Contoso identifies the following requirements for implementing and managing semantic models;
* The number of rows added to the Orders table during refreshes must be minimized.
* The semantic models in the Research division workspaces must use Direct Lake mode.
General Requirements
Contoso identifies the following high-level requirements that must be considered for all solutions:
* Follow the principle of least privilege when applicable
* Minimize implementation and maintenance effort when possible.
質問 # 60
複雑なセマンティック モデルを含むファブリック テナントがあります。このモデルはスター スキーマに基づいており、Sales という名前のファクト テーブルを含む多くのテーブルが含まれています。モデルの図を作成する必要があります。図には Sales テーブルと関連テーブルのみを含める必要があります。 Microsoft Power Bl デスクトップから何を使用する必要がありますか?
- A. モデルビュー
- B. データビュー
- C. DAX クエリ ビュー
- D. データ カテゴリ
正解：A
解説：
To create a diagram that contains only the Sales table and related tables, you should use the Model view (C) in Microsoft Power BI Desktop. This view allows you to visualize and manage the relationships between tables within your semantic model. References = Microsoft Power BI Desktop documentation outlines the functionalities available in Model view for managing semantic models.
質問 # 61
倉庫を含む Fabric テナントがあります。
データフローを使用して、新しいデータセットを OneLake からウェアハウスに読み込みます。
数値列の最大値を特定するには、Power Query ステップを追加する必要があります。
どの関数をステップに含めるべきでしょうか?
- A. テーブル範囲
- B. Table.Max
- C. テーブル.プロファイル
- D. テーブル。 MaxN
正解：C
解説：
https://learn.microsoft.com/en-us/powerquery-m/table-profile
質問 # 62
次の T-SQI ステートメントがあります。
正解：
解説：
Explanation:
質問 # 63
AnalyticsPOC ワークスペースでのデータ読み込みアクティビティが適切な順序で実行されていることを確認する必要があります。ソリューションは技術要件を満たしている必要があります。
あなたは何をするべきか？
- A. Spark ジョブ定義を作成してスケジュールします。
- B. 複数のステップを含むデータフローを作成し、データフローをスケジュールします。
- C. Spark ノートブックを作成してスケジュールします。
- D. アクティビティ間に依存関係があるパイプラインを作成し、パイプラインをスケジュールします。
正解：D
解説：
To meet the technical requirement that data loading activities must ensure the raw and cleansed data is updated completely before populating the dimensional model, you would need a mechanism that allows for ordered execution. A pipeline in Microsoft Fabric with dependencies set between activities can ensure that activities are executed in a specific sequence. Once set up, the pipeline can be scheduled to run at the required intervals (hourly or daily depending on the data source).
Topic 1, Litware. Inc.
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 # 64
研究部門のデータ分析要件を満たすファブリック容量 SKU のタイプを推奨する必要があります。何を推奨すればよいでしょうか?
- A. F
- B. P
- C. EM
- D. A
正解：A
質問 # 65
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 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。
- B. 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。
- C. 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。
- D. [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。
- E. 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。
正解：B、E
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 # 66
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。このモデルは Direct Lake モードを使用します。
一部の DAX クエリが不要な列をメモリに読み込む可能性があります。
メモリにロードされる、頻繁に使用される列を特定する必要があります。
目標を達成するための 2 つの方法は何ですか?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. $system.discovered_STORAGE_TABLE_COLUMN-iN_SEGMeNTS 動的管理ビュー (DMV) をクエリします。
- B. Vertipaq Analyzer ツールを使用します。
- C. Discover_hehory6Rant 動的管理ビュー (DMV) をクエリします。
- D. Excel での分析機能を使用します。
正解：A、B
解説：
The Vertipaq Analyzer tool (B) and querying the $system.discovered_STORAGE_TABLE_COLUMNS_IN_SEGMENTS dynamic management view (DMV) (C) can help identify which columns are frequently loaded into memory. Both methods provide insights into the storage and retrieval aspects of the semantic model. Reference = The Power BI documentation on Vertipaq Analyzer and DMV queries offers detailed guidance on how to use these tools for performance analysis.
質問 # 67
ResearchReviewersGroupl と ResearchReviewersGroupZ に推奨するワークスペースのローテーション割り当てはどれですか? 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。
注意: 正しい選択ごとに 1 ポイントが付与されます。
正解：
解説：
Explanation:
質問 # 68
モデル 1 という名前のセマンティック モデルがあります。モデル 1 には、インポート モードを使用する 5 つのテーブルが含まれています。 Model1 には、HR という名前の動的行レベル セキュリティ (RLS) ロールが含まれています。 HR ロールは従業員データをフィルタリングして、HR マネージャーが自分が割り当てられている部門のデータのみを表示できるようにします。
Model1 をファブリック テナントに公開し、RLS ロール メンバーシップを構成します。モデルと関連レポートをユーザーと共有します。
人事マネージャーは、レポートに表示されるデータが不完全であると報告しました。
HR マネージャーが確認したデータを検証するにはどうすればよいですか?
- A. HR マネージャーとしてレポートを表示するには、ロールとして「テスト」を選択します。
- B. 人事マネージャーに Microsoft Power Bl Desktop でレポートを開くように依頼します。
- C. レポート内のデータをフィルタリングして、人事部門用のフィルタの意図されたロジックと一致させます。
- D. データを HR ロールとして表示するには、[ロールとしてテスト] を選択します。
正解：D
解説：
To validate the data seen by the HR manager, you should use the 'Test as role' feature in Power BI service. This allows you to see the data exactly as it would appear for the HR role, considering the dynamic RLS setup. Here is how you would proceed:
Navigate to the Power BI service and locate Model1.
Access the dataset settings for Model1.
Find the security/RLS settings where you configured the roles.
Use the 'Test as role' feature to simulate the report viewing experience as the HR role.
Review the data and the filters applied to ensure that the RLS is functioning correctly.
If discrepancies are found, adjust the RLS expressions or the role membership as needed.
質問 # 69
Fabric ノートブック内のデータを分析しています。
df という名前の変数に Spark DataFrame が割り当てられています。
データを手動で調査するには、ノートブックのチャート ビューを使用する必要があります。
チャート ビューでデータを利用できるようにするには、どの関数を実行する必要がありますか?
- A. 表示
- B. 表示
- C. 書き込み
- D. MTMLを表示
正解：A
解説：
The display function is the correct choice to make the data available in the Chart view within a Fabric notebook. This function is used to visualize Spark DataFrames in various formats including charts and graphs directly within the notebook environment. References = Further explanation of the display function can be found in the official documentation on Azure Synapse Analytics notebooks.
質問 # 70
ケーススタディ 2 - Litware, Inc
概要
Litware, Inc. は、北米全域にオフィスを構える製造会社です。Litware の分析チームには、データ エンジニア、分析エンジニア、データ アナリスト、データ サイエンティストが所属しています。
既存の環境
ファブリック環境
Litware は 3 年間 Microsoft Power BI テナントを使用しています。Litware では Fabric の機能と機能を有効にしていません。
利用可能なデータ
Litware には、次の表に示すように分析する必要があるデータがあります。
製品データには、1 つのテーブルと次の列が含まれています。
顧客満足度データには次の表が含まれています。
- 調査
- 質問
- 応答
提出された調査ごとに、次の処理が行われます。
- 調査テーブルに 1 行が追加されます。
- アンケートの質問ごとに、回答テーブルに 1 行が追加されます。
- 質問テーブルには、各アンケートの質問のテキストが含まれています。各アンケートの回答の 3 番目の質問は、全体的な満足度スコアです。顧客は、購入ごとにアンケートを送信できます。
ユーザーの問題
分析チームには大量のデータがあり、その一部は半構造化されています。チームは Fabric を使用して新しいデータ ストアを作成したいと考えています。
製品データは、多くの場合、高、中、低の 3 つの価格グループに分類されます。このロジックは、いくつかのデータベースとセマンティック モデルに実装されていますが、実装間でロジックが必ずしも一致するとは限りません。
要件
計画された変更
Litware は、既存のテナントで Fabric 機能を有効にする予定です。分析チームは、概念実証 (PoC) として新しいデータ ストアを作成します。残りの Liware ユーザーは、PoC が完了した後にのみ Fabric 機能にアクセスできるようになります。PoC は、Fabric の試用容量を使用して完了します。次の 3 つのワークスペースが作成されます。
- AnalyticsPOC: データストア、セマンティックモデル、レポートパイプライン、データフロー、およびデータストアへのデータ入力に使用されるノートブックが含まれます。
- DataEngPOC: OneLakeにデータを入力するために使用されるすべてのパイプライン、データフロー、ノートブックが含まれます
- DataSciPOC: データ サイエンティストが作成したすべてのノートブックとレポートが含まれます。AnalyticsPOC ワークスペースには次のものが作成されます。
- データストア（種類は未定）
- カスタムセマンティックモデル
- デフォルトのセマンティックモデル
インタラクティブレポート
データ エンジニアは、データ ソースに応じて、1 時間ごとまたは毎日 OneLake にデータをロードするためのデータ パイプラインを作成します。分析エンジニアは、毎日、AnalyticsPOC ワークスペースのデータ ストアにデータを取り込んで変換し、ロードするプロセスを作成します。データ エンジニアは、可能な限り、データの取り込みにローコード ツールを使用します。使用するデータ クレンジングおよび変換ツールの選択は、データ エンジニアの裁量に委ねられます。
Analytics POC ワークスペース内のすべてのセマンティック モデルとレポートは、データ ストアを唯一のデータ ソースとして使用します。
技術要件
データ ストアは以下をサポートする必要があります。
- T-SQLまたはPythonを使用した読み取りアクセス
- 半構造化データと非構造化データ
- T-SQLクエリを実行するユーザー向けの行レベルセキュリティ（RLS）
データ エンジニアが OneLake にロードするファイルは Parquet 形式で保存され、Delta Lake の仕様に準拠します。
データは、AnalyticsPOC データ ストアの 1 つの領域に変換されずにロードされます。その後、データはクレンジングされ、マージされ、ディメンション モデルに変換されます。データ ロード プロセスでは、ディメンション モデルにデータを入力する前に、生データとクレンジング済みデータが完全に更新されていることを確認する必要があります。ディメンション モデルには日付ディメンションが含まれている必要があります。日付ディメンションの既存のデータ ソースはありません。Litware の会計年度は暦年と一致します。日付ディメンションには、常に 2010 年から現在の年末までの日付が含まれている必要があります。
製品価格設定グループのロジックは、分析エンジニアが 1 か所で管理する必要があります。価格設定グループのデータは、T-SOL クエリのデータ ストアとデフォルトのセマンティック モデルで使用できるようにする必要があります。次のロジックを使用する必要があります。
- 定価が 50 以下の場合は、低価格グループに入ります。
- 定価が 50 より大きく 1,000 以下の場合は、中価格グループになります。
- 定価が 1,000 を超える場合は、高価格グループに入ります。
セキュリティ要件
PoC の一環として作成された Fabric アイテムは、Fabric 管理者と分析チームのみが表示できる必要があります。
Litware は、AnalyticsPOC ワークスペースの Fabric 項目に対して次のセキュリティ要件を特定します。
- Fabric 管理者はワークスペース管理者になります。
- データ エンジニアは、データ ストアの読み取りと書き込みができる必要があります。データセットやレポートへのアクセス権は付与しないでください。
- 分析エンジニアは、データ ストアのスキーマの読み取り、書き込み、作成ができる必要があります。また、データ アナリストとセマンティック モデルを作成して共有し、ワークスペース内のすべてのレポートを表示および変更できる必要があります。
- データサイエンティストはデータストアから読み取ることはできるが、書き込むことはできない。データサイエンティストはSparkノートブックを使用してデータにアクセスします。
- データ アナリストは、データ ストア内のディメンション モデル オブジェクトのみに対する読み取りアクセス権を持っている必要があります。また、分析エンジニアが作成したセマンティック モデルを使用して Power BI レポートを作成するためのアクセス権も持っている必要があります。
- 日付ディメンションは、データ ストアのすべてのユーザーが利用できる必要があります。
- 最小権限の原則に従う必要があります。
既定のセマンティック モデルとカスタム セマンティック モデルの両方に、データ ストア内のディメンション モデルのテーブルまたはビューのみを含める必要があります。Litware には、既に次の Microsoft Entra セキュリティ グループがあります。
FabricAdmins: ファブリック管理者
- AnalyticsTeam: 分析チームの全メンバー
- DataAnalysts: 分析チームのデータアナリスト
- データサイエンティスト: 分析チームのデータサイエンティスト
- データエンジニア: 分析チームのデータエンジニア
- AnalyticsEngineers: 分析チームの分析エンジニア
レポート要件
データ アナリストは、次の要件を満たす顧客満足度レポートを作成する必要があります。
- ユーザーが製品を選択して、顧客調査の回答をその製品を購入したユーザーのみにフィルタリングできるようにします。
- 選択した日付までの過去 12 か月間に送信されたすべてのアンケートの平均総合満足度スコアを表示します。
- データ ストアでデータが更新されるとすぐにデータが表示されます。
- レポートとセマンティック モデルに現在の年と前年のデータのみが含まれていることを確認します。
- レポートがソース データ ストアで指定されたテーブル レベルのセキュリティに準拠していることを確認します。
- レポート クエリの実行時間を最小限に抑えます。
ホットスポットに関する質問
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。
注意: 正しい選択ごとに 1 ポイントが付与されます。
正解：
解説：
質問 # 71
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。
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 に読み込みます。
すべての文字列列と数値列の最小値、最大値、平均値、標準偏差値を計算するために、データを評価する必要があります。
解決策: 次の PySpark 式を使用します。
df.describe().show()
これは目標を満たしていますか?
- A. いいえ
- B. はい
正解：B
解説：
https://learn.microsoft.com/en-us/dotnet/api/microsoft.spark.sql.dataframe.describe?view=spark- dotnet
質問 # 72
Workspace1 という名前の Fabric ワークスペースがあり、そこには Dataflow1 という名前のデータフローが含まれています。
Dataflow1 は 500 行のデータを返します。
クエリ結果の各列の最小値と最大値を特定する必要があります。
どの 3 つのデータ表示オプションを選択する必要がありますか? それぞれの正解はソリューションの一部を示します。
注意: 正解ごとに 1 ポイントが付与されます。
- A. 詳細パネルを有効にする
- B. 列の値の分布を表示する
- C. 詳細ペインに列プロファイルを表示する
- D. 列プロファイルを有効にする
- E. 列の品質の詳細を表示
正解：A、C、D
解説：
Column quality: % of Valid, Error, Empty
Column distribution: Number of distinct and unique values
質問 # 73
20 を超える日付列を含む複雑なセマンティック モデルを開発しています。できるだけ早くすべての列の日付形式を一致させる必要があります。何を使うべきでしょうか。
- A. ALM ツールキット
- B. VertiPaq アナライザー
- C. DAX スタジオ
- D. 表形式エディタ
正解：D
質問 # 74
OneLake に 30 個の CSV ファイルを含む Fabric テナントがあります。ファイルは毎日更新されます。
CSV ファイルをデータ ソースとして使用する Model1 という名前の Microsoft Power BI セマンティック モデルを作成します。Model1 の増分更新を構成し、Fabric テナントの Premium 容量にモデルを公開します。
Model1 の更新を開始すると、リソースが不足して更新が失敗します。
失敗の考えられる原因は何ですか?
- A. クエリの折りたたみが行われています。
- B. 完全な日数の更新のみが選択されます。
- C. XMLA エンドポイントは読み取り専用に設定されています。
- D. データをパーティション分割するために使用される列のデルタ タイプが変更されました。
- E. クエリの折りたたみは行われていません。
正解：E
解説：
https://learn.microsoft.com/en-us/power-bi/connect-data/incremental-refresh- troubleshoot#problem-loading-data-takes-too-long
質問 # 75
SalesOrderDetail というテーブルを含む Fabric 倉庫があり、SalesOrderDetail には OrderQty、ProductID、SalesOrderlD という 3 つの列が含まれています。SalesOrderDetail には、SalesOrderlD と ProductID の組み合わせごとに 1 つの行が含まれています。
各販売注文の合計数量のうち、販売注文内の各製品が占める割合を計算する必要があります。
どの T-SQL ステートメントを実行する必要がありますか?
- A.
- B.
- C.
- D.
正解：A
質問 # 76
Lakehousel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。Lakehouselには8列のDeltaテーブルが含まれています。同じ8列に加えて2列が追加されている新しいデータを受け取ります。
Spark DataFrameを作成し、それをdfという変数に代入します。DataFrameには新しいデータが含まれています。以下の要件を満たすには、新しいデータをDeltaテーブルに追加する必要があります。
* 既存の行をすべて保持します。
* 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ます。
コード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。
正解：
解説：
Explanation:
o add new data to the Delta table while meeting the specified requirements:
* You should use the append mode to ensure that all new data is added to the table without affecting the existing rows.
* You should set the mergeSchema option to true to allow the schema of the Delta table to be updated with the new columns found in the DataFrame.
The completed code would look like this:
df.write.format("delta").mode("append")
option("mergeSchema", "true")
saveAsTable("Lakehouse1.TableName")
質問 # 77
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. はい
- B. いいえ
正解：B
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. References = The usage of the show() function is documented in the PySpark API documentation.
質問 # 78
Microsoft Power B1 レポートと、Direct Lake モードを使用するセマンティック モデルがあります。次の図に示すように、Power Si Desktop からパフォーマンス アナライザーを開きます。
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：
Explanation:
* The Direct Lake fallback behavior is set to: DirectQueryOnly
* The query for the table visual is executed by using: DirectQuery
In the context of Microsoft Power BI, when using DirectQuery in Direct Lake mode, there is no caching of data and all queries are sent directly to the underlying data source. The Performance Analyzer tool shows the time taken for different operations, and from the options provided, it indicates that DirectQuery mode is being used for the visuals, which is consistent with the Direct Lake setting. DirectQueryOnly as the fallback behavior ensures that only DirectQuery will be used without reverting to import mode.
質問 # 79
セマンティックモデルを含むFabricテナントがあります。このモデルはDirect Lakeモードを使用しています。
一部の DAX クエリによって不要な列がメモリにロードされていると思われます。
メモリにロードされる頻繁に使用される列を識別する必要があります。
目標を達成するための 2 つの方法は何ですか。それぞれの正解は完全な解決策を示しています。
注意: 正解ごとに 1 ポイントが付与されます。
- A. discover_hehory6Rant 動的管理ビュー (DMV) をクエリします。
- B. $system.discovered_STORAGE_TABLE_COLUMN-iN_SEGMeNTS 動的管理ビュー (DMV) をクエリします。
- C. Vertipaq Analyzer ツールを使用します。
- D. Excel で分析機能を使用します。
正解：B、D
解説：
The Vertipaq Analyzer tool (B) and querying the $system.
discovered_STORAGE_TABLE_COLUMNS_IN_SEGMENTS dynamic management view (DMV) (C) can help identify which columns are frequently loaded into memory. Both methods provide insights into the storage and retrieval aspects of the semantic model. References = The Power BI documentation on Vertipaq Analyzer and DMV queries offers detailed guidance on how to use these tools for performance analysis.
質問 # 80
......
有効な問題最新版を試そうDP-600日本語テスト解釈DP-600日本語有効な試験ガイド：https://jp.fast2test.com/DP-600J-premium-file.html