DifícilOpción múltiple

Pregunta de práctica de AZ-305

Está diseñando una estrategia de almacenamiento para una solución de análisis de datos que procesa grandes volúmenes de datos en streaming. Los datos deben almacenarse de forma rentable con baja latencia para los datos activos (hot) y acceso infrecuente para los datos fríos (cold) después de 30 días. La solución debe admitir consultas tanto por lotes (batch) como interactivas. ¿Qué combinación de servicios de almacenamiento de Azure debe recomendar?

Elige la mejor respuesta.

Respuesta correcta

  • AAzure Data Lake Storage Gen2 con administración del ciclo de vida

Explicación

Azure Data Lake Storage Gen2 (ADLS Gen2) combina los beneficios de escalabilidad y rentabilidad del almacenamiento de objetos con un espacio de nombres jerárquico, lo que permite consultas tanto por lotes como interactivas a través de servicios como Azure Synapse Analytics y Apache Spark. Las políticas de administración del ciclo de vida pueden realizar la transición automática de los datos activos a niveles más fríos (por ejemplo, cool o archive) después de 30 días, lo que reduce los costos de los datos fríos a los que se accede con poca frecuencia mientras se mantiene un acceso de baja latencia para los datos activos. Esto convierte a ADLS Gen2 en la opción ideal para el análisis de datos en streaming que requiere un almacenamiento por niveles rentable y admite diversos patrones de consulta.

Por qué cada opción es correcta o incorrecta

A

Correcta

Azure Data Lake Storage Gen2 con administración del ciclo de vida

Azure Data Lake Storage Gen2 combina un espacio de nombres jerárquico con el almacenamiento duradero y escalable de Azure Blob Storage, proporcionando a los motores de análisis como Synapse, Databricks e HDInsight estructuras de directorios nativas y control de acceso de estilo POSIX. Las políticas de administración del ciclo de vida pueden realizar la transición automática de datos de niveles calientes a fríos y de archivo según la antigüedad o el uso, reduciendo drásticamente los costos de almacenamiento al tiempo que mantienen los datos consultables para análisis por lotes e interactivos. Esto lo hace diseñado específicamente para canalizaciones de análisis de alto volumen donde importan tanto el rendimiento como la gobernanza de costos.

B

Incorrecta

Azure SQL Database con replicación geográfica

Azure SQL Database es un almacén relacional de procesamiento de transacciones en línea (OLTP) que mantiene índices de árboles B y almacenamiento basado en filas optimizado para búsquedas de una sola fila y escrituras pequeñas, no para escanear o agregar conjuntos de datos de streaming masivos. La replicación geográfica duplica la base de dados en otra región para la recuperación ante desastres, pero no hace nada para que la plataforma sea adecuada para cargas de trabajo analíticas a gran escala o para reducir el costo de almacenar datos sin procesar de alto volumen. Sus esquemas fijos y su limitada escalabilidad de almacenamiento también chocan con la naturaleza de esquema en lectura del análisis de datos moderno.

C

Incorrecta

Azure Blob Storage con niveles de acceso caliente y frío

Azure Blob Storage con niveles de acceso caliente y frío es un almacén de objetos genérico que admite análisis, carece del espacio de nombres jerárquico y de las operaciones de directorios atómicas que se encuentran en Data Lake Storage Gen2. Sin una verdadera abstracción de sistema de archivos, los motores de análisis deben emular carpetas con prefijos, lo que complica los patrones de eliminación de particiones, cambio de nombre y lectura combinada, y exacerba los costos para los trabajos de alto rendimiento. Los niveles de acceso solo optimizan la frecuencia con la que se leen los datos, no los requisitos de diseño de archivos y metadatos de los motores de columnas como Spark o Presto, lo que lo convierte en una opción menos adecuada que ADLS Gen2.

D

Incorrecta

Azure Cosmos DB con múltiples niveles de consistencia

Azure Cosmos DB es un servicio NoSQL multi-modelo diseñado para el acceso transaccional de baja latencia, que distribuye datos a través de particiones lógicas e indexa cada propiedad para consultas puntuales eficientes y lecturas de rango pequeño. Los múltiples niveles de consistencia controlan el equilibrio entre la latencia y la obsolescencia, pero no abordan cómo se organizan físicamente los datos para el análisis de escaneo; la ejecución de grandes agregaciones consumiría unidades de solicitud excesivas frente a un presupuesto alto de RU/s. Las cargas de trabajo analíticas necesitan almacenamiento en columnas, omisión de datos y formatos optimizados para escritura como Parquet, que Cosmos DB no proporciona.

Para profundizar

ADLS Gen2 implementa un espacio de nombres jerárquico sobre Azure Blob Storage, lo que permite operaciones de directorios similares a POSIX y cambios de nombre de directorios atómicos, los cuales son críticos para que los motores de análisis como Spark and Hive realicen una eliminación eficiente de particiones (partition pruning) y listado de archivos. Las reglas de administración del ciclo de vida utilizan etiquetas de índice de blobs o filtros basados en prefijos para mover automáticamente los datos entre los niveles caliente, frío y de archivo, y el nivel de archivo ofrece el costo de almacenamiento más bajo pero requiere rehidratación (hasta 15 horas) para el acceso. En un escenario de streaming del mundo real, los datos se pueden ingerir en ADLS Gen2 a través de Azure Event Hubs o Azure Stream Analytics, y luego consultarse interactivamente con Azure Synapse Serverless SQL o Spark, mientras que las políticas del ciclo de vida aseguran que las particiones más antiguas hagan la transición a niveles más fríos después de 30 días sin intervención manual.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de AZ-305 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.