Respuestas correctas
- AUtilice un filtro de tiempo en la consulta para limitar el rango de datos.
- DUtilice operadores summarize para agregar datos antes de realizar uniones.
Explicación
Aplicar un filtro de tiempo (por ejemplo, utilizando la columna `TimeGenerated`) en una consulta KQL restringe el conjunto de datos únicamente a la ventana de tiempo relevante, lo que reduce significativamente la cantidad de datos escaneados por Microsoft Sentinel. Esto mejora directamente el rendimiento de la consulta al minimizar la E/S y la sobrecarga de procesamiento, especialmente cuando las reglas de análisis se ejecutan contra grandes tablas de registros.
Para profundizar
Esta pregunta evalúa su comprensión de los principios de optimización del lenguaje de consulta Kusto (KQL), los cuales son fundamentales para la búsqueda de amenazas y la investigación de incidentes en Microsoft Sentinel. Los mecanismos subyacentes involucran el motor de consultas y almacenamiento distribuido de Kusto: los datos se particionan en extensiones (fragmentos) que se almacenan en formato columnar, y el optimizador aprovecha la poda basada en predicados de filtro, especialmente en la columna de tiempo de ingestión (Timestamp). Una idea errónea común es que reducir el tamaño de salida o cambiar los tipos de datos acelerará las consultas, pero la ganancia de rendimiento de Kusto proviene principalmente de reducir el número de filas y columnas escaneadas durante la capa de acceso a datos, no de pasos posteriores al procesamiento como project o búsquedas en listas de observación (watchlist). Summarize fuerza la agregación parcial en un paso previo a la agregación en cada nodo, lo que reduce los datos barajados entre nodos antes de la unión final, convirtiéndolo en una técnica verdaderamente impactante para grandes flujos de eventos. Al optimizar, comience siempre con un filtro de rango de tiempo, luego considere reducir la consulta con filtros indexados en campos de uso frecuente (por ejemplo, EventID, AccountName) antes de recurrir a uniones, y evite utilizar listas de observación como si fueran filtros de filas; están destinadas para enriquecimiento o pequeñas búsquedas de referencia. Por lo tanto, el ajuste de rendimiento en el mundo real en Sentinel requiere saber qué operadores descienden a la capa de almacenamiento (where, take) frente a aquellos que operan únicamente en el conjunto de resultados en memoria (project, extend).
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de SC-200 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.