DifícilMúltipla escolha

Questão de prática de AZ-305

Você está projetando uma estratégia de armazenamento para uma solução de análise de dados que processa grandes volumes de dados em streaming. Os dados devem ser armazenados de maneira econômica com baixa latência para dados ativos (hot) e acesso infrequente para dados frios (cold) após 30 dias. A solução deve dar suporte a consultas em lote (batch) e interativas. Qual combinação de serviços de armazenamento do Azure você deve recomendar?

Escolha a melhor resposta.

Resposta correta

  • AAzure Data Lake Storage Gen2 com gerenciamento de ciclo de vida

Explicação

O Azure Data Lake Storage Gen2 (ADLS Gen2) combina os benefícios de escalabilidade e custo do armazenamento de objetos com um namespace hierárquico, permitindo consultas em lote e interativas por meio de serviços como Azure Synapse Analytics e Apache Spark. As políticas de gerenciamento do ciclo de vida podem fazer a transição automática de dados ativos para camadas mais frias (por exemplo, cool ou archive) após 30 dias, reduzindo os custos de dados frios acessados com pouca frequência, mantendo o acesso de baixa latência para dados ativos. Isso torna o ADLS Gen2 a escolha ideal para análises de dados em streaming que exigem armazenamento em camadas econômico e dão suporte a diversos padrões de consulta.

Por que cada alternativa está certa ou errada

A

Correta

Azure Data Lake Storage Gen2 com gerenciamento de ciclo de vida

O Azure Data Lake Storage Gen2 combina um namespace hierárquico com o armazenamento durável e escalável do Azure Blob Storage, fornecendo a motores de análise como Synapse, Databricks e HDInsight estruturas de diretório nativas e controle de acesso estilo POSIX. As políticas de gerenciamento do ciclo de vida podem fazer a transição automática de dados de camadas ativas para frias e de arquivo com base na idade ou no uso, reduzindo drasticamente os custos de armazenamento enquanto mantém os dados consultáveis para análises em lote e interativas. Isso torna o serviço ideal para pipelines de análise de alto volume onde o desempenho e a governança de custos importam.

B

Incorreta

Azure SQL Database com replicação geográfica

O Azure SQL Database é um armazenamento relacional de processamento de transações online (OLTP) que mantém índices de árvore B e armazenamento baseado em linhas otimizado para pesquisas de linha única e pequenas gravações, e não para varredura ou agregação de conjuntos de dados de streaming massivos. A replicação geográfica duplica o banco de dados para outra região para recuperação de desastres, mas não faz nada para tornar a plataforma adequada para cargas de trabalho analíticas em grande escala ou para reduzir o custo de armazenamento de dados brutos de alto volume. Seus esquemas fixos e escalabilidade de armazenamento limitada também entram em conflito com a natureza de esquema na leitura (schema-on-read) da análise de dados moderna.

C

Incorreta

Azure Blob Storage com camadas de acesso hot e cool

O Azure Blob Storage com camadas de acesso hot e cool é um armazenamento de objetos genérico que dá suporte a análises, mas carece do namespace hierárquico e das operações de diretório atômicas encontradas no Data Lake Storage Gen2. Sem uma verdadeira abstração de sistema de arquivos, os motores de análise devem emular pastas com prefixos, complicando padrões de exclusão de partições, renomeação e leitura mesclada, e exacerbando custos para trabalhos de alta vazão. As camadas de acesso otimizam apenas com que frequência os dados são lidos, não os requisitos de layout de arquivos e metadados de motores colunares como Spark ou Presto, tornando-o uma escolha menos adequada que o ADLS Gen2.

D

Incorreta

Azure Cosmos DB com vários níveis de consistência

O Azure Cosmos DB é um serviço NoSQL multi-modelo projetado para acesso transacional de baixa latência, distribuindo dados por meio de partições lógicas e indexando cada propriedade para consultas pontuais eficientes e leituras de pequenos intervalos. Vários níveis de consistência controlam o equilíbrio entre latência e desatualização, mas não abordam como os dados são fisicamente organizados para varreduras analíticas; a execução de grandes agregações consumiria unidades de solicitação excessivas contra um orçamento alto de RU/s. Cargas de trabalho analíticas precisam de armazenamento colunar, eliminação de dados e formatos otimizados para gravação como Parquet, que o Cosmos DB não fornece.

Para se aprofundar

O ADLS Gen2 implementa um namespace hierárquico sobre o Azure Blob Storage, permitindo operações de diretório semelhantes ao POSIX e renomeações de diretórios atômicas, que são cruciais para motores de análise como Spark e Hive realizarem exclusão eficiente de partições (partition pruning) e listagem de arquivos. As regras de gerenciamento do ciclo de vida usam tags de índice de blob ou filtros baseados em prefixo para mover dados automaticamente entre as camadas hot, cool e archive, sendo que a camada archive oferece o menor custo de armazenamento, mas requer reidratação (até 15 horas) para acesso. Em um cenário de streaming do mundo real, os dados podem ser ingeridos no ADLS Gen2 por meio do Azure Event Hubs ou Azure Stream Analytics, e então consultados de forma interativa com o Azure Synapse Serverless SQL ou Spark, enquanto as políticas de ciclo de vida garantem que partições mais antigas façam a transição para camadas mais frias após 30 dias sem intervenção manual.

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.