MoyenneChoix unique

Question d'entraînement DP-900

Une entreprise de réseaux sociaux stocke les publications des utilisateurs dans Azure Cosmos DB. Chaque document de publication contient des champs tels que postId, userId, content, timestamp et un tableau de commentaires. Le tableau de commentaires peut devenir volumineux (des centaines par publication), et l'application récupère fréquemment une publication sans ses commentaires pour l'afficher dans un flux. Pour optimiser les performances de lecture et minimiser la consommation d'unités de requête (RU), quelle approche de modélisation des données l'entreprise doit-elle adopter ?

Choisissez la meilleure réponse.

Bonne réponse

  • BB. Stocker les commentaires sous forme de documents séparés et les référencer à partir du document de publication via un tableau de commentaires d'ID.

Explication

Stocker les commentaires sous forme de documents séparés maintient le document de publication petit, de sorte que le flux le lit à bas coût, idéalement avec une lecture ponctuelle par id et clé de partition, et ne charge jamais des centaines de commentaires qu'il n'affiche pas. Les commentaires ne sont récupérés que lorsqu'un utilisateur les ouvre. Pour des nombres de commentaires très élevés ou à croissance rapide, stockez le postId sur chaque commentaire au lieu de faire croître une liste d'ID dans la publication, et effectuez une requête par postId.

Pourquoi chaque option est juste ou fausse

A

Fausse

A. Stocker les commentaires dans un conteneur séparé pour isoler les données.

Stocker les commentaires dans un conteneur séparé échoue dans ce scénario car cela nécessite une opération de jointure entre conteneurs lorsqu'une publication *avec* ses commentaires est requise, ce qui est inefficace et coûteux dans Cosmos DB. Bien que cela rendrait le document de publication plus petit pour l'affichage du flux, le problème principal est l'absence de capacités de jointure natives pour les données distribuées. Cette approche est tentante pour les utilisateurs de bases de données relationnelles, car elle isole les données et réduit la taille de l'entité principale. Ce serait un choix correct si les commentaires étaient rarement consultés *avec* la publication, ou s'ils avaient des schémas d'accès très différents et nécessitaient des stratégies de mise à l'échelle ou de partitionnement séparées.

B

Juste

B. Stocker les commentaires sous forme de documents séparés et les référencer à partir du document de publication via un tableau de commentaires d'ID.

Garder les commentaires comme documents séparés maintient le document de publication petit, ce qui permet au flux de le lire à bas coût, idéalement avec une lecture ponctuelle par id et clé de partition, sans charger des centaines de commentaires non affichés. Les commentaires sont récupérés uniquement à l'ouverture par l'utilisateur. Pour un nombre élevé ou croissant de commentaires, stockez le postId sur chaque commentaire au lieu d'allonger une liste d'ID dans la publication, puis interrogez par postId.

C

Fausse

C. Utiliser une partition verticale dans le même document pour séparer le tableau de commentaires.

Cosmos DB ne dispose d'aucune fonctionnalité permettant de stocker une partie d'un document séparément à l'intérieur du même document. Chaque lecture renvoie l'élément entier, et le coût en unités de requête augmente avec sa taille. Par conséquent, un tableau de commentaires intégré est toujours payé, même lorsque le flux n'en a pas besoin. Les projections dans les requêtes réduisent les données renvoyées, mais l'élément stocké est toujours lu en intégralité ; séparer les commentaires est la véritable solution.

D

Fausse

D. Migrer les données vers Azure SQL Database pour utiliser des tables et des index normalisés.

Passer à Azure SQL Database change de plateforme au lieu de corriger le modèle de données, et cela nécessiterait une migration et une réécriture de l'application. Cosmos DB gère bien ce scénario lorsqu'il est modélisé pour ses schémas d'accès : de petits documents de publication pour le flux, avec des commentaires stockés et récupérés séparément. DP-900 s'attend à ce que vous choisissiez la modélisation au sein du service, telle que l'intégration par rapport au référencement, plutôt que de l'abandonner.

Pour aller plus loin

Azure Cosmos DB facture les lectures en unités de requête (RU), et le coût de lecture d'un document augmente avec sa taille. Lorsque les commentaires sont intégrés dans la publication, chaque requête de flux lit l'intégralité de la publication, y compris des centaines de commentaires que le flux n'affiche jamais, ce qui gaspille des RU et ralentit les réponses. Les recommandations de modélisation des données de Microsoft tracent la ligne clairement : intégrez des données associées qui sont petites, limitées et généralement lues ensemble ; référencez des données associées qui sont illimitées, grossissent avec le temps ou sont lues indépendamment. Les commentaires sur une publication constituent le cas illimité par excellence. Cosmos DB limite également les éléments à 2 MB, de sorte qu'une publication populaire avec des commentaires intégrés pourrait finissant par échouer à l'enregistrement. Stocker chaque commentaire en tant que document propre maintient la publication petite, de sorte que le flux la récupère à bas coût, idéalement avec une lecture ponctuelle par id et clé de partition, l'opération la moins chère. La référence indexée dans l'option B est un moyen de les lier. Pour de très grands nombres de commentaires, un affinement courant consiste à stocker le postId dans chaque document de commentaire plutôt que de conserver une liste croissante d'ID dans la publication, puis à interroger les commentaires par postId uniquement lorsque l'utilisateur ouvre les commentaires. Placer les commentaires dans le même conteneur avec postId comme clé de partition maintient une publication et ses commentaires ensemble pour des requêtes efficaces. Un conteneur séparé (option A) peut fonctionner mais n'est pas requis. La « partition verticale dans le même document » (option C) n'est pas une fonctionnalité de Cosmos DB. Passer à Azure SQL Database (option D) abandonne le service pour un problème de modélisation que Cosmos DB gère bien. La modélisation de Cosmos DB est dictée par les schémas d'accès, et non par la normalisation pour le plaisir de la normalisation.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement DP-900 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.