Pregunta de práctica de DP-900
Una empresa de logística almacena datos de sensores de camiones de reparto en Azure Table Storage. Cada lectura de sensor incluye un TruckID, Timestamp, Location y EngineTemperature. La consulta más común recupera todas las lecturas de todos los camiones dentro de una ventana de tiempo específica de una hora (por ejemplo, entre las 10:00 y las 11:00 de un día determinado). Actualmente, la tabla utiliza PartitionKey = TruckID y RowKey = Timestamp (formato ISO). Sin embargo, las consultas que filtran por intervalo de tiempo son lentas y consumen muchas transacciones. ¿Qué cambio de diseño mejorará más el rendimiento de estas consultas de intervalos de tiempo?
Respuesta correcta
- ACambiar PartitionKey a un valor basado en fechas (por ejemplo, YYYY-MM-DD) y RowKey a un compuesto de TruckID y Timestamp.
Explicación
Cambiar el valor de PartitionKey a un valor basado en fechas (por ejemplo, YYYY-MM-DD) agrupa toda la telemetría de cada camión para un solo día en una sola partición. Debido a que Azure Table Storage almacena las filas juntas por PartitionKey, una consulta que filtra por un rango de fechas (por ejemplo, las últimas 24 horas) examinará exactamente una partición, lo que reducirá drásticamente las transacciones de lectura y disminuirá el costo. La RowKey pasa a ser un compuesto de TruckID y Timestamp, lo que preserva la granularidad a nivel de camión y permite un filtrado y ordenamiento eficientes dentro de la partición de ese día. Este diseño alinea directamente el rango de tiempo consultado con la estructura de partición, que es la forma óptima de manejar consultas de rangos de tiempo en Table Storage.
Para profundizar
Azure Table Storage es un almacén NoSQL de clave-valor donde PartitionKey determina la partición física (fragmento) que contiene la entidad, y RowKey es el identificador único dentro de esa partición. Las consultas que especifican un PartitionKey son altamente eficientes porque se enrutan directamente a exactamente una partición, mientras que las consultas sin PartitionKey fuerzan un análisis completo de la tabla en todos los servidores. Un PartitionKey basado en fechas (por ejemplo, YYYY-MM-DD) es un patrón clásico para datos de series temporales porque hace que las consultas de rangos para un solo día impacten exactamente en una partición, pero puede crear particiones calientes si los volúmenes diarios de datos son extremadamente altos, ya que todas las escrituras y lecturas del día aterrizan en la misma partición. Por el contrario, un PartitionKey basado en camiones distribuye la carga de manera uniforme pero encarece las consultas temporales de toda la flota. Una idea errónea común es que Table Storage admite índices secundarios o que RowKey puede servir como un índice global; en realidad, el ordenamiento de RowKey solo es válido dentro de una partición. Al diseñar para consultas de rangos de tiempo, la clave es hacer coincidir PartitionKey con el predicado de filtro más común, y si el volumen de datos por partición se convierte en un cuello de botella, es posible que deba utilizar divisiones de tiempo más finas (por ejemplo, particiones de horas) o cambiar a un servicio de escalado horizontal como Azure Cosmos DB con la partición adecuada.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de DP-900 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.