MediaOpción múltiple

Pregunta de práctica de DP-900

Una empresa minorista ejecuta consultas de informes analíticos en una gran tabla Sales en Azure SQL Database. La tabla contiene más de 100 millones de filas y se actualiza diariamente con nuevas transacciones. Las consultas agregan datos por producto y mes, escaneando millones de filas por consulta. La empresa desea reducir significativamente el tiempo de ejecución de las consultas sin cambiarlas. ¿Qué estrategia de indexación deben implementar?

Elige la mejor respuesta.

Respuesta correcta

  • ACrear un clustered columnstore index en la tabla.

Explicación

Un clustered columnstore index es ideal para grandes cargas de trabajo de almacenamiento de datos y análisis porque almacena los datos por columna, lo que permite una alta compresión y procesamiento en modo por lotes. Para consultas que agregan millones de filas por producto y mes, los índices columnstore reducen drásticamente las E/S y la CPU al escanear solo las columnas necesarias y utilizar la eliminación de segmentos, lo que aborda directamente el requisito de reducir el tiempo de ejecución de las consultas sin cambiarlas.

Por qué cada opción es correcta o incorrecta

A

Correcta

Crear un clustered columnstore index en la tabla.

Un clustered columnstore index es la opción óptima para una tabla de almacén analítico porque almacena físicamente cada columna por separado, lo que permite que el motor de consultas lea solo las columnas necesarias para las agregaciones (por ejemplo, ProductID, Month, SalesAmount). Este diseño columnar permite relaciones de compresión más altas (a menudo de 5 a 10 veces) y utiliza la ejecución en modo de lote vectorizado, lo que acelera drásticamente los escaneos y las operaciones SUM/COUNT/GROUP BY en comparación con el almacenamiento basado en filas. El hecho de que sea agrupado (clustered) significa que toda la tabla se organiza como un columnstore, eliminando las búsquedas en rowstore y haciendo que las consultas analíticas de escaneo completo sean extremadamente eficientes.

B

Incorrecta

Crear un nonclustered index en la columna ProductID.

Un nonclustered index en ProductID por sí solo solo aceleraría las búsquedas que filtran por esa columna, pero las consultas agregan por producto y mes, lo que requiere un índice de cobertura (covering index) que incluya ambas columnas para evitar búsquedas de claves en toda la tabla. Es tentador porque los nonclustered indexes se usan comúnmente para acelerar las búsquedas de igualdad en una sola columna, y en un escenario donde las consultas se filtran únicamente por ProductID, este índice sería la opción correcta.

C

Incorrecta

Crear un índice filtrado para los datos del mes más reciente.

Un índice filtrado en los datos del mes actual es un índice de árbol B rowstore que solo cubre un subconjunto de filas, por lo que es útil para consultas que se filtran explícitamente a ese único mes. Sin embargo, los informes analíticos suelen agregar datos en muchos meses o en todo el conjunto de datos históricos; cuando una consulta escanea varios meses, el índice filtrado no se puede utilizar y el motor de consultas debe recurrir al escaneo del montón (heap) o del índice agrupado. Además, incluso para el subconjunto cubierto, un índice rowstore todavía carece de la compresión columnar y el procesamiento en modo por lotes de un columnstore, por lo que no proporcionará el mismo nivel de rendimiento de agregación.

D

Incorrecta

Crear un clustered rowstore index (predeterminado) y depender de la compresión de la base de datos.

Un clustered rowstore index (montón/árbol B predeterminado) está diseñado para cargas de trabajo OLTP con búsquedas puntuales y escaneos de rangos pequeños; para consultas analíticas que escanean recuentos masivos de filas, obliga al motor de almacenamiento a leer filas completas desde las páginas de datos, incluso cuando solo se necesitan unas pocas columnas. La compresión de la base de datos reduce las E/S físicas al reducir las filas almacenadas, pero es una técnica genérica que no puede igualar la compresión por columna y la eliminación de segmentos de un índice columnstore. Además, los índices rowstore no admiten la ejecución en modo por lotes, por lo que las consultas de agregación aún se ejecutan en modo de fila, dejando un rendimiento significativo sobre la mesa.

Para profundizar

La diferencia arquitectónica fundamental entre los índices rowstore y columnstore es cómo se organizan los datos en el disco y en la memoria. En un rowstore, cada fila se almacena de forma contigua, lo cual es ideal para transacciones OLTP como una actualización de un solo registro o una búsqueda por primary key. En un columnstore, los valores de cada columna se almacenan en segmentos separados, lo que permite que el motor omita segmentos enteros cuando las agregaciones solo necesitan unas pocas columnas; esto se denomina eliminación de segmentos de columna. Los índices columnstore también utilizan un algoritmo de compresión altamente eficiente que aprovecha el ordenamiento de los datos y la codificación de longitud de ejecución, logrando a menudo una relación de compresión de 10x sobre rowstore, lo que reduce las E/S y permite que más datos quepan en la memoria. Otra sutileza es que los índices columnstore aún pueden dar servicio a búsquedas puntuales de estilo OLTP directamente si están agrupados (clustered), pero brillan cuando las consultas realizan grandes escaneos y agregaciones. Una idea errónea común es que agregar un índice no agrupado (nonclustered) en una columna filtrada con frecuencia acelerará los informes, pero esos índices se basan en filas y requieren búsquedas de claves para las columnas no incluidas en el índice, lo que los hace mucho menos eficientes para consultas analíticas amplias. En producción, los almacenes de datos a menudo crean clustered columnstore indexes en tablas de hechos, mientras dejan las tablas de dimensiones como rowstore para el rendimiento de uniones y búsquedas.

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.