MediaOpción múltiple

Pregunta de práctica de DP-900

Una empresa de redes sociales almacena publicaciones de usuarios en Azure Cosmos DB. Cada documento de publicación contiene campos como postId, userId, content, timestamp y una matriz de comentarios. La matriz de comentarios puede crecer considerablemente (cientos por publicación) y la aplicación recupera frecuentemente una publicación sin sus comentarios para mostrarla en un feed. Para optimizar el rendimiento de lectura y minimizar el consumo de unidades de solicitud (RU), ¿qué enfoque de modelado de datos debe adoptar la empresa?

Elige la mejor respuesta.

Respuesta correcta

  • BB. Almacenar los comentarios como documentos separados y hacer referencia a ellos desde el documento de la publicación mediante una matriz de ID de comentarios.

Explicación

Almacenar los comentarios como documentos separados y hacer referencia a ellos mediante una matriz de ID en el documento de la publicación permite que la aplicación recupere la publicación sin los comentarios en una sola lectura puntual, consumiendo unidades de solicitud (RU) mínimas. Esto evita cargar la matriz de comentarios grande cuando solo se necesitan los metadatos de la publicación para el feed, reduciendo significativamente el consumo de RU y mejorando el rendimiento de lectura en Azure Cosmos DB.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

A. Almacenar los comentarios en un contenedor separado para aislar los datos.

Almacenar los comentarios en un contenedor separado no es adecuado para este escenario porque requiere una operación de combinación entre contenedores cuando se necesita una publicación *con* sus comentarios, lo cual es ineficiente y costoso en Cosmos DB. Si bien haría que el documento de la publicación fuera más pequeño para la visualización en el feed, el problema principal es la falta de capacidades de combinación nativas para datos distribuidos. Este enfoque resulta tentador para los usuarios de bases de datos relacionales, ya que aísla los datos y reduce el tamaño de la entidad principal. Sería una opción correcta si los comentarios se consultaran raramente *con* la publicación, o si tuvieran patrones de acceso muy diferentes y requirieran estrategias de escalado o particionamiento separadas.

B

Correcta

B. Almacenar los comentarios como documentos separados y hacer referencia a ellos desde el documento de la publicación mediante una matriz de ID de comentarios.

Mantener los comentarios como documentos separados mantiene pequeño el documento de la publicación, por lo que el feed lo lee a bajo costo, idealmente con una lectura puntual por id y clave de partición, y nunca carga cientos de comentarios que no muestra. Los comentarios se obtienen solo cuando un usuario los abre. Para recuentos de comentarios muy grandes o de rápido crecimiento, almacene el postId en cada comentario en lugar de hacer crecer una lista de ID en la publicación, y consulte por postId.

C

Incorrecta

C. Usar una partición vertical dentro del mismo documento para separar la matriz de comentarios.

Cosmos DB no tiene ninguna característica para almacenar parte de un documento por separado dentro del mismo documento. Cada lectura devuelve el elemento completo y el costo en unidades de solicitud aumenta con su tamaño, por lo que siempre se paga por una matriz de comentarios incrustada, incluso cuando el feed no la necesita. Las proyecciones en las consultas reducen los datos devueltos, pero el elemento almacenado aún se lee por completo; separar los comentarios es la solución real.

D

Incorrecta

D. Migrar los datos a Azure SQL Database para utilizar tablas e índices normalizados.

Moverse a Azure SQL Database cambia de plataforma en lugar de corregir el modelo de datos, y requeriría una migración y una reescritura de la aplicación. Cosmos DB maneja este escenario correctamente cuando se modela para sus patrones de acceso: documentos de publicaciones pequeños para el feed, con los comentarios almacenados y recuperados por separado. DP-900 espera que elija el modelado dentro del servicio, como la incrustación frente a la referencia, en lugar de abandonarlo.

Para profundizar

Azure Cosmos DB cobra por las lecturas en unidades de solicitud (RU) y el costo de leer un documento aumenta con su tamaño. Cuando los comentarios están incrustados en la publicación, cada solicitud del feed lee la publicación completa, incluidos cientos de comentarios que el feed nunca muestra, lo que desperdicia RU y ralentiza las respuestas. La guía de modelado de datos de Microsoft traza una línea clara: incruste datos relacionados que sean pequeños, acotados y que normalmente se lean juntos; haga referencia a datos relacionados que no estén acotados, crezcan con el tiempo o se lean de forma independiente. Los comentarios en una publicación son el caso clásico sin límite. Cosmos DB también limita los elementos a 2 MB, por lo que una publicación popular con comentarios incrustados eventualmente podría fallar al guardarse. Almacenar cada comentario como su propio documento mantiene la publicación pequeña, por lo que el feed la recupera de forma económica, idealmente con una lectura puntual por id y clave de partición, la operación más barata. La referencia configurada en la opción B es una forma de vincularlos. Para recuentos de comentarios muy grandes, un refinamiento común es almacenar el postId en cada documento de comentario en lugar de mantener una lista creciente de ID en la publicación, y luego consultar los comentarios por postId solo cuando el usuario abre los comentarios. Poner los comentarios en el mismo contenedor con postId como clave de partición mantiene una publicación y sus comentarios juntos para consultas eficientes. Un contenedor separado (opción A) puede funcionar pero no es obligatorio. La 'partición vertical dentro del mismo documento' (opción C) no es una característica de Cosmos DB. Pasar a Azure SQL Database (opción D) abandona el servicio por un problema de modelado que Cosmos DB maneja bien. El modelado de Cosmos DB está impulsado por los patrones de acceso, no por la normalización por el simple hecho de normalizar.

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.