DifícilMúltipla escolha

Questão de prática de AZ-305

Uma plataforma de dados deve dar suporte a consultas analíticas sobre petabytes de arquivos em um data lake, preservando namespaces hierárquicos e ACLs de granulação fina. Em torno de qual serviço de armazenamento você deve projetar?

Escolha a melhor resposta.

Resposta correta

  • AAzure Data Lake Storage Gen2.

Explicação

O Azure Data Lake Storage Gen2 (ADLS Gen2) é a escolha correta porque combina um namespace hierárquico com ACLs semelhantes ao POSIX, permitindo controle de acesso refinado no nível de arquivo e diretório enquanto suporta cargas de trabalho analíticas em escala de petabytes. Ele é construído sobre o Azure Blob Storage, fornecendo alto rendimento e processamento paralelo para mecanismos de análise de big data como Azure Synapse, Spark e Hadoop.

Por que cada alternativa está certa ou errada

A

Correta

Azure Data Lake Storage Gen2.

O Azure Data Lake Storage Gen2 está correto porque combina o armazenamento de objetos durável e escalável do Azure Blob Storage com um namespace hierárquico, permitindo semântica real de arquivo/diretório, como renomeação atômica e listas de controle de acesso (ACLs) semelhantes ao POSIX. Ele foi projetado especificamente como um data lake escalável para cargas de trabalho analíticas em escala de petabytes, suportando mecanismos de processamento paralelo como Azure Synapse, Databricks e Hadoop por meio do driver ABFS (Azure Blob File System). Esse design otimiza o rendimento para consultas analíticas de varredura completa e permite operações incrementais no nível de diretório, tornando-o a plataforma de armazenamento padrão para plataformas de dados corporativos.

B

Incorreta

Azure Files premium shares.

Os compartilhamentos premium do Azure Files estão incorretos porque o Azure Files é um serviço de compartilhamento de arquivos SMB/NFS gerenciado destinado a migrar servidores de arquivos locais ou hospedar aplicativos conteinerizados, não para lakehouses analíticos em escala de petabytes. Os compartilhamentos premium oferecem IOPS altas e baixa latência, mas têm capacidade total e rendimento por compartilhamento limitados, tornando-os proibitivos em termos de custo e tecnicamente inadequados para varreduras analíticas paralelas massivas. Além disso, eles dependem da sobrecarga do protocolo SMB/NFS em vez de um sistema de arquivos distribuído nativo da nuvem, portanto, carecem das otimizações de desempenho de namespace hierárquico e integrações de ecossistema necessárias para mecanismos de big data como Spark ou Presto.

C

Incorreta

Azure Table Storage.

O Azure Table Storage está incorreto porque é um armazenamento de chave-valor NoSQL sem esquema otimizado para consultas pontuais de busca, pequenas consultas de intervalo e leituras/gravações rápidas de dados estruturados em escala web, não para warehouses analíticos em escala de petabytes. Ele não fornece nenhum mecanismo de consulta para agregações complexas, junções ou varreduras colunares, e tem um modelo máximo de linha/tempo limite que não pode sustentar análises de tabela completa em grandes conjuntos de dados. Ele também carece de semântica de diretório hierárquico e ACLs para governança de data lake, portanto, é fundamentalmente um serviço para dados operacionais, não para dar suporte a consultas analíticas em petabytes.

D

Incorreta

Azure Queue Storage.

O Azure Queue Storage está incorreto porque é um serviço de fila de mensagens em nuvem usado para o desacoplamento assíncrono de componentes de aplicativos, não um sistema de armazenamento projetado para dados analíticos. As mensagens são transitórias, com limite de tempo (até 7 dias) e limitadas a 64 KB cada, sem linguagem de consulta ou indexação para exploração de dados. Ele não fornece abstrações de arquivo/blob duráveis e escaláveis ou recursos de processamento analítico; portanto, ele não pode dar suporte a consultas analíticas em escala de petabytes e é inteiramente irrelevante para as necessidades de armazenamento de plataformas de dados.

Para se aprofundar

O conceito central que esta questão testa é a seleção do substrato de armazenamento certo para uma plataforma de dados analíticos em escala de petabytes, onde os requisitos críticos são leituras de arquivos completos de alto rendimento, semântica de diretórios hierárquicos e integração com mecanismos de processamento distribuído. O Azure Data Lake Storage Gen2 (ADLS Gen2) mapeia para esse requisito estendendo o Azure Blob Storage com um namespace hierárquico, permitindo a renomeação atômica de diretórios e listas de controle de acesso (ACLs) semelhantes ao POSIX, ao mesmo tempo em que expõe o driver ABFS que o Apache Spark, Apache Hive e outros mecanismos usam para tratar o lago como um sistema de arquivos distribuído. Um equívoco comum é que o ADLS Gen2 é um serviço separado do Blob Storage; na realidade, ele é o Blob Storage com o recurso de namespace hierárquico habilitado, oferecendo durabilidade em escala de objetos e menor custo por terabyte do que os serviços de arquivos. A sutileza reside no fato de que um verdadeiro data lake analítico precisa tanto de escala quanto de semântica de diretório – o Azure Files pode escalar com compartilhamentos premium, mas falha na eficiência de custo de petabytes e no rendimento de varredura paralela, enquanto os serviços NoSQL ou de mensagens carecem de recursos de metadados para planejamento de consultas. Implementações do mundo real frequentemente combinam o ADLS Gen2 com um mecanismo de consulta como Azure Synapse Serverless ou Databricks SQL descarregando particionamento, compactação (por exemplo, Parquet/Delta) e compactação para o lago, provando que a escolha do armazenamento é fundamental para o desempenho analítico.

Sobre estas questões de prática

Esta é uma das questões de prática originais de AZ-305 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.