DifícilOpción múltiple

Pregunta de práctica de DP-900

Una empresa de servicios financieros necesita construir una canalización (pipeline) de datos que ingiera archivos de transacciones diarios de múltiples fuentes. La canalización debe realizar controles de calidad de datos, transformar datos utilizando lógica comercial compleja y cargarlos en Azure Synapse Analytics. Las transformaciones implican ramificación condicional (por ejemplo, si el monto de una transacción supera un umbral, aplicar validación adicional). La empresa desea minimizar el esfuerzo de codificación y prefiere un enfoque visual basado en la configuración. ¿Qué servicio de Azure deben utilizar como motor principal de orquestación y transformación?

Elige la mejor respuesta.

Respuesta correcta

  • AAzure Data Factory con Data Flows

Explicación

Azure Data Factory con Data Flows es la opción correcta porque proporciona una interfaz visual basada en la configuración tanto para la orquestación como para la transformación, incluido el soporte para lógica comercial compleja como la ramificación condicional (por ejemplo, a través de transformaciones de división condicional). Se integra de forma nativa con Azure Synapse Analytics para cargar datos transformados, minimizando el esfuerzo de codificación en comparación con alternativas pesadas en código.

Por qué cada opción es correcta o incorrecta

A

Correcta

Azure Data Factory con Data Flows

Los flujos de datos de mapeo proporcionan un lienzo visual sin código para la ramificación condicional y transformaciones complejas, satisfaciendo el requisito de minimizar el esfuerzo de codificación. Azure Data Factory orquestará la ingesta nocturna y la carga en Azure Synapse Analytics, por lo que no se necesita un motor de cómputo independiente.

B

Incorrecta

Azure Databricks con notebooks

Los notebooks de Databricks requieren escribir código Scala o PySpark, lo que contradice la preferencia declarada por el desarrollo visual basado en la configuración con codificación mínima. Databricks se adapta a la ingeniería personalizada a gran escala y análisis avanzados. Los flujos de datos de mapeo de Azure Data Factory proporcionan la transformación visual y la ramificación condicional que esta canalización necesita.

C

Incorrecta

Azure Stream Analytics

Stream Analytics procesa datos de streaming con consultas similares a SQL en una ventana de tiempo, no archivos diarios por lotes que requieren transformación visual y ramificación condicional. Se adapta a la telemetría en tiempo real y la ingesta de eventos. Los flujos de datos de mapeo de Azure Data Factory proporcionan la transformación por lotes basada en configuración y la carga en Synapse requeridas aquí.

D

Incorrecta

Azure Logic Apps

Logic Apps orquesta flujos de trabajo de aplicaciones y sistemas a través de conectores, no transformación de datos masivos con lógica comercial compleja y ramificación condicional sobre conjuntos de datos. Se adapta a la integración controlada por eventos entre servicios. Los flujos de datos de mapeo de Azure Data Factory manejan la transformación de datos visual y basada en configuración y la carga en Synapse.

Para profundizar

Los flujos de datos de mapeo (mapping data flows) de Azure Data Factory se ejecutan en clústeres de Spark aprovisionados por ADF, pero el desarrollador crea transformaciones visualmente en un gráfico: origen (source), columna derivada (derived column), división condicional (conditional split), agregado (aggregate), destino (sink). La ramificación condicional, como la validación de montos superiores a un umbral, se expresa con una transformación de división condicional o un filtro más columnas derivadas, y las comprobaciones de calidad de datos pueden enrutar las filas incorrectas a un destino separado. Los flujos de datos se crean una vez y se ejecutan en un motor de ejecución de integración administrado (managed integration runtime), por lo que no se escribe código de Spark. Los blocs de notas de Databricks requieren codificación en Scala/Python; Stream Analytics apunta a streaming en lugar de archivos por lotes diarios; Logic Apps es automatización de flujos de trabajo, no transformación a gran escala. Un escenario realista: los archivos de transacciones nocturnas llegan a ADLS Gen2, un canal de ADF con un flujo de datos valida, ramifica y carga filas limpias en Synapse.

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.