Respuesta correcta
- BLas lecturas de sensores son una carga de trabajo OLTP; los resúmenes diarios son una carga de trabajo OLAP.
Explicación
Las lecturas de sensores en tiempo real implican inserciones frecuentes y pequeñas y búsquedas puntuales (típicas de una carga de trabajo OLTP), mientras que los resúmenes diarios históricos son datos agregados utilizados para el análisis de tendencias a lo largo de los meses (típicos de una carga de trabajo OLAP). Los sistemas OLTP manejan operaciones transaccionales de alto volumen, mientras que los sistemas OLAP admiten consultas complejas y agregaciones en grandes conjuntos de datos históricos.
Para profundizar
Esta pregunta evalúa la distinción fundamental entre OLTP (Procesamiento de Transacciones en Línea) y OLAP (Procesamiento Analítico en Línea), que es un concepto central de cargas de trabajo de datos en Azure. Los sistemas OLTP están optimizados para transacciones de alta frecuencia y corta duración (como la inserción de la lectura de un sensor) y suelen utilizar esquemas normalizados, almacenamiento basado en filas y índices que favorecen las búsquedas y actualizaciones puntuales. Los sistemas OLAP, por el contrario, están optimizados para agregaciones complejas y pesadas en lecturas sobre conjuntos de datos masivos, utilizando almacenamiento columnar (por ejemplo, Azure Synapse Dedicated SQL Pool, Azure Data Lake) y esquemas desnormalizados como estrella o copo de nieve. Un error común es equiparar NoSQL con OLAP o asumir que todos los grandes datos son analíticos; en realidad, una base de datos NoSQL como Azure Cosmos DB puede atender cargas de trabajo OLTP con una latencia de un solo dígito de milisegundo, mientras que las bases de datos relacionales también pueden admitir consultas analíticas. En una canalización de análisis de fabricación, a menudo se ve una arquitectura híbrida: las lecturas de sensores fluyen hacia un almacén transaccional o intermediario de mensajes (OLTP), luego un servicio de orquestación (por ejemplo, Azure Data Factory) ejecuta canalizaciones por lotes para transformar y cargar resúmenes agregados en un almacén de datos (OLAP). Esto es análogo a la arquitectura Lambda o Kappa, donde las transmisiones en tiempo real y las capas por lotes sirven para diferentes propósitos. Comprender este matiz ayuda a los profesionales de datos de Azure a elegir el servicio adecuado (Azure SQL Database o Cosmos DB para OLTP, Azure Synapse o Azure Analysis Services para OLAP) y evita la trampa de clasificar las cargas de trabajo únicamente por la velocidad de los datos o la tecnología de almacenamiento.
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.