MoyenneChoix unique

Question d'entraînement DP-900

Une entreprise de vente au détail souhaite analyser en temps réel les données de flux de clics des clients afin de détecter des modèles et déclencher des offres personnalisées. Elle stocke également les données brutes de flux de clics dans Azure Data Lake Storage pour une analyse par lot ultérieure. Quel service Azure doit-elle utiliser pour le composant de traitement en temps réel ?

Choisissez la meilleure réponse.

Bonne réponse

  • BAzure Stream Analytics

Explication

Azure Stream Analytics est conçu pour le traitement de données en temps réel et l'analyse de données en continu, telles que les événements de flux de clics. Il peut ingérer des données à partir de sources telles qu'Azure Event Hubs, appliquer des requêtes de type SQL pour détecter des modèles et générer des résultats vers des déclencheurs ou un stockage, le tout avec une latence inférieure à une seconde. Cela correspond à l'exigence de détection de modèles en temps réel et de déclenchement d'offres personnalisées.

Pourquoi chaque option est juste ou fausse

A

Fausse

Azure Data Factory

Azure Data Factory orchestre des pipelines de traitement par lots planifiés et le mouvement des données ; il ne peut pas ingérer ou traiter des événements en continu avec une latence inférieure à une seconde. C'est l'outil idéal pour copier et transformer des données selon un calendrier, de sorte que la présence de Data Lake Storage dans le scénario le fait paraître pertinent.

B

Juste

Azure Stream Analytics

Azure Stream Analytics effectue un traitement de requêtes continu et à faible latence sur des données en continu, permettant la détection de modèles en temps réel et des déclencheurs d'offres. Il ingère des événements de flux de clics et produit des résultats immédiatement, tandis que Data Lake Storage conserve séparément les données brutes pour l'analyse par lot.

C

Fausse

Azure Batch

Azure Batch planifie des tâches de calcul parallèle sur des pools de machines virtuelles ; il ne dispose pas d'ingestion en continu ni d'opérateurs de fenêtrage, et ne peut donc pas traiter les événements de flux de clics à leur arrivée. Il convient aux charges de travail par lots à grande échelle telles que le rendu nocturne ou les simulations de risque, ce qui explique pourquoi la mention du stockage par lots induit en erreur.

D

Fausse

Azure Data Lake Analytics

Azure Data Lake Analytics exécute des tâches par lot U-SQL sur des données au repos dans Data Lake Storage ; il manque d'ingestion d'événements, de fenêtres temporelles et de traitement continu. Il conviendrait à des requêtes analytiques planifiées sur des fichiers stockés, ce qui fait de l'archive de données brutes dans l'énoncé une source de distraction.

Pour aller plus loin

Azure Stream Analytics est un moteur de traitement de flux en temps réel entièrement géré qui ingère des données à partir de sources telles qu'Event Hubs, IoT Hub ou Blob Storage et évalue une requête de type SQL en continu. Il prend en charge les opérateurs temporels tels que les fenêtres temporelles de type tumbling, hopping et sliding, qui sont essentiels pour détecter des modèles de flux de clics dans des cadres temporels délimités et émettre des résultats vers des récepteurs en aval pour déclencher des offres personnalisées. Un comportement subtil : les tâches Stream Analytics possèdent des unités de streaming configurables et des stratégies d'ordre des événements, et les événements en retard peuvent être traités à l'aide de paramètres de tolérance de désordre plutôt que d'être silencieusement ignorés. Dans ce scénario, les données brutes de flux de clics peuvent être acheminées simultanément vers Azure Data Lake Storage pour une analyse par lot, tandis que le même flux alimente Stream Analytics pour la détection de modèles à faible latence, illustrant le modèle d'architecture lambda.

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.