FacileChoix unique

Question d'entraînement AZ-305

Une entreprise prévoit de stocker les journaux opérationnels d'Azure App Services d'une manière évolutive et rentable. Les journaux doivent être conservés pendant 90 jours, puis supprimés automatiquement. Quelle solution de stockage de données Azure devez-vous recommander ?

Choisissez la meilleure réponse.

Bonne réponse

  • CAzure Log Analytics Workspace

Explication

Azure Log Analytics Workspace est le bon choix car il ingère nativement les journaux opérationnels provenant d'Azure App Services via les paramètres de diagnostic, fournit un niveau de stockage évolutif et rentable avec une politique de rétention de 90 jours qui peut être configurée pour supprimer automatiquement les données une fois la période de rétention expirée. Il prend également en charge le langage Kusto Query Language (KQL) pour l'analyse et s'intègre à Azure Monitor pour les alertes, ce qui en fait un service conçu spécifiquement pour le stockage et la gestion des journaux.

Pourquoi chaque option est juste ou fausse

A

Fausse

Azure Blob Storage avec gestion du cycle de vie

Azure Blob Storage avec gestion du cycle de vie est incorrect car il fournit uniquement un stockage hiérarchisé et bon marché sans aucun moteur natif de recherche ou de requête de journaux. Bien que les règles de cycle de vie puissent déplacer automatiquement les objets blob vers des niveaux d'accès froid ou d'archive, ou les supprimer après une période de rétention, les journaux opérationnels stockés ici sont des fichiers inertes qui doivent être exportés vers Azure Monitor, Azure Data Explorer ou un moteur de Big Data avant de pouvoir exécuter des requêtes de type KQL ou SQL. Pour une entreprise qui a besoin d'enquêter sur des incidents et d'analyser des tendances à partir des journaux d'App Service, l'absence de requêtes intégrées rend Blob Storage peu pratique comme magasin principal.

B

Fausse

Azure SQL Database avec politique de rétention

Azure SQL Database n'est pas conçu pour le stockage rentable et évolutif de journaux opérationnels semi-structurés à volume élevé, ce qui entraînerait des coûts de stockage et de traitement importants en raison de sa nature relationnelle. Son modèle d'évolutivité est optimisé pour les charges de travail transactionnelles, et non pour l'ingestion de journaux en écriture seule. Cependant, c'est un excellent choix pour les données d'application structurées nécessitant la conformité ACID, des requêtes complexes et l'intégrité transactionnelle, où ses politiques de rétention intégrées s'appliquent généralement aux sauvegardes de bases de données et non à la gestion du cycle de vie des données de journaux bruts.

C

Juste

Azure Log Analytics Workspace

Azure Log Analytics Workspace est le bon choix car il est spécialement conçu pour ingérer, stocker et interroger les journaux opérationnels provenant des ressources Azure via les paramètres de diagnostic. Il fournit nativement le langage Kusto Query Language (KQL) pour une analyse rapide et interactive, une politique intégrée de rétention et d'archivage pour équilibrer les coûts et la conformité, ainsi qu'une intégration directe avec les alertes, les classeurs et les tableaux de bord d'Azure Monitor. Cela en fait le service optimal et sans friction pour les journaux opérationnels qui doivent être recherchés, corrélés et visualisés sans outils supplémentaires.

D

Fausse

Azure Cosmos DB avec TTL

Azure Cosmos DB avec TTL est incorrect pour les journaux opérationnels car il s'agit d'une base de données NoSQL multi-modèle optimisée pour les charges de travail transactionnelles à faible latence avec un débit provisionné, et non pour l'ingestion de journaux à volume élevé et en écriture seule. L'activation de la TTL supprime uniquement les documents expirés après le nettoyage, mais elle ne fournit pas de langage de requête de journaux ni de moteur d'analyse, et chaque écriture consomme des unités de requête (RU), ce qui la rend excessivement coûteuse par rapport à un magasin optimisé pour les journaux. Sa flexibilité de schéma n'est pas pertinente ici car les journaux sont semi-structurés et mieux pris en charge par des services conçus pour l'analyse de séries chronologiques.

Pour aller plus loin

Cette question teste le principe d'association d'un magasin de données à son modèle de charge de travail. Les journaux opérationnels sont des données de séries chronologiques à forte intensité d'écriture et à volume élevé qui doivent être conservées à des fins d'audit ou de dépannage et interrogées à l'aide de filtres temporels. Azure Log Analytics Workspace repose sur Azure Data Explorer (ADX), qui utilise un format de stockage colonnaire et compressé ainsi qu'un moteur de requête distribué conçu pour gérer efficacement des volumes massifs de journaux et de télémétrie. Ses politiques de rétention et d'archivage vous permettent de conserver les données récentes pour une analyse interactive et de déplacer les données plus anciennes vers un stockage d'archivage économique tout en permettant un accès à la demande via des travaux de recherche. Une idée reçue courante est qu'une base de données capable de gérer la durée de vie (TTL) telle que Cosmos DB peut servir de magasin de journaux, mais la TTL automatise simplement la suppression ; elle ne fournit pas de langage de requête optimisé pour les modèles de journaux tels que les agrégats de plages horaires, la correspondance de motifs et la corrélation de ressources multiples. Le stockage Blob, en revanche, est une excellente cible d'archivage pour les journaux qui ne nécessitent pas de requêtes interactives, mais il requiert des services externes tels que Azure Data Explorer ou Log Analytics pour l'analyse. Le modèle architectural approprié consiste à envoyer les journaux via les paramètres de diagnostic directement vers un espace de travail Log Analytics pour des analyses en temps réel et à utiliser des politiques d'archivage pour conserver les données de manière rentable, tout en réservant le stockage Blob à l'archivage de conformité à long terme si nécessaire.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement AZ-305 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.