DifícilOpción múltiple

Pregunta de práctica de DP-900

Una empresa utiliza el grupo de SQL dedicado de Azure Synapse Analytics para almacenar datos de ventas. La tabla de hechos contiene miles de millones de filas y está distribuida por hash en ProductID. Las consultas agregan ventas por tienda y producto para el mes actual y se unen con una tabla de dimensión Store pequeña (10,000 filas) y una tabla de dimensión Product de tamaño mediano (500,000 filas). Las consultas son lentas debido al movimiento de datos durante las combinaciones (joins). ¿Qué cambio de diseño reducirá más el movimiento de datos y mejorará el rendimiento de las consultas?

Elige la mejor respuesta.

Respuesta correcta

  • BReplicar la tabla de dimensión Store y la tabla de dimensión Product.

Explicación

Replicar las tablas de dimensión Store y Product en todos los nodos de cálculo elimina la necesidad de mover datos (shuffling) durante las uniones con la tabla de hechos grande. Dado que ambas tablas de dimensión son lo suficientemente pequeñas como para caber en la memoria de cada nodo (10,000 y 500,000 filas), la replicación evita costosos movimientos de datos y mejora significativamente el rendimiento de las consultas para las agregaciones que se unen en múltiples dimensiones.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Cambiar la tabla de hechos a distribución round-robin.

Incorrecto porque round-robin distribuye las filas de manera uniforme sin ninguna clave, lo que puede causar una amplia mezcla de datos (shuffling) para uniones y agregaciones, degradando a menudo el rendimiento.

B

Correcta

Replicar la tabla de dimensión Store y la tabla de dimensión Product.

Correcto. Replicar tablas de dimensión pequeñas en todas las distribuciones elimina el movimiento de datos durante las uniones, ya que cada distribución ya tiene los datos completos de la dimensión.

C

Incorrecta

Cambiar la clave de distribución por hash de la tabla de hechos a StoreID.

Incorrecto porque cambiar la clave de distribución a StoreID ubicaría los datos por tienda, pero las uniones con la dimensión Product y las agregaciones por tienda y producto aún pueden causar movimiento. Además, requiere reasignar particiones a toda la tabla.

D

Incorrecta

Implementar un índice de almacén de columnas agrupado en la tabla de hechos.

Incorrecto porque un índice de almacén de columnas agrupado mejora el rendimiento de compresión y exploración, pero no aborda el movimiento de datos durante las uniones, que es la causa raíz de la lentitud.

Para profundizar

En un grupo de SQL dedicado, la distribución por hash coloca filas con el mismo valor de clave en la misma distribución, por lo que las uniones en esa clave evitan mover datos a través de las sesenta distribuciones. Cuando la tabla de hechos aplica hash en ProductID pero las consultas también unen una dimensión Store, la unión de Store fuerza una difusión o un movimiento de datos (broadcast o shuffle). Replicar tablas de dimensión pequeñas copia la tabla completa en cada nodo de cálculo, eliminando ese movimiento por completo; la tabla Store de 10,000 filas es una candidata ideal, y la tabla Product de 500,000 filas también es lo suficientemente pequeña como para replicarse. La distribución round-robin empeoraría las uniones, y reasignar la clave de la tabla de hechos a StoreID simplemente desplazaría el movimiento a la unión de Product. La indexación de almacén de columnas (columnstore) ayuda a las exploraciones pero no elimina el movimiento de datos de las uniones.

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.