MédiaMúltipla escolha

Questão de prática de DP-900

Uma empresa armazena terabytes de dados de logs de servidores web em arquivos CSV no Azure Data Lake Storage Gen2. Os analistas de dados precisam executar consultas SQL ad-hoc nesses dados para analisar padrões de comportamento do usuário. As consultas são complexas, envolvem junções (joins) em vários arquivos e os analistas preferem não mover os dados para um armazenamento separado. Qual serviço do Azure eles devem usar?

Escolha a melhor resposta.

Resposta correta

  • BAzure Synapse Serverless SQL pool

Explicação

O Azure Synapse Serverless SQL pool é a escolha correta porque permite que os analistas executem consultas T-SQL diretamente em arquivos CSV armazenados no Azure Data Lake Storage Gen2, sem mover os dados. Ele usa um mecanismo de consulta distribuído para processar junções complexas em vários arquivos, tornando-o ideal para análises ad-hoc em dados de log em larga escala.

Por que cada alternativa está certa ou errada

A

Incorreta

Azure Data Factory

O Azure Data Factory está incorreto porque é um serviço de integração e orquestração de dados usado para construir pipelines ETL/ELT, e não um mecanismo de consulta. Ele não pode executar consultas T-SQL ad-hoc em arquivos CSV; ele simplesmente move ou transforma dados de um local para outro, normalmente invocando outros serviços de computação como pools SQL, Azure Databricks ou HDInsight. Embora o ADF pudesse potencialmente copiar os dados CSV para um armazenamento consultável, isso introduz etapas desnecessárias e contradiz o requisito de que os analistas consultem diretamente os logs sem movimentação de dados ou orquestração de pipeline.

B

Correta

Azure Synapse Serverless SQL pool

O Azure Synapse Serverless SQL pool é a escolha correta porque fornece um mecanismo de consulta T-SQL sem servidor que lê arquivos diretamente do Azure Data Lake Storage sem exigir que os dados sejam carregados em um banco de dados. Ele pode consultar terabytes de logs CSV sob demanda, usando recursos de computação que são dimensionados automaticamente com a quantidade de dados escaneados, tornando-o ideal para análises ad-hoc com provisionamento zero de infraestrutura. O serviço oferece suporte à inferência de metadados para arquivos CSV e se integra a ferramentas T-SQL padrão, para que os analistas possam executar imediatamente consultas SQL sobre os dados de log brutos exatamente onde estão armazenados.

C

Incorreta

Azure SQL Database

O Azure SQL Database está incorreto porque é um banco de dados relacional totalmente gerenciado que exige que os dados sejam importados fisicamente para tabelas antes que qualquer consulta possa ser executada. O requisito exige explicitamente manter os dados no local e executar consultas SQL ad-hoc em arquivos CSV, mas o Azure SQL Database forçaria você a mover, transformar e carregar os terabytes de dados de log no armazenamento, gerando custos de movimentação de dados, latência e encargos de armazenamento contínuos. Além disso, ele não foi projetado para consultar diretamente arquivos externos como CSV, falhando no requisito central de 'consultar no local'.

D

Incorreta

Azure HDInsight

O HDInsight é um serviço de cluster gerenciado para frameworks de big data como Spark e Hadoop, e não um mecanismo de consulta SQL sem servidor. Ele falha porque os analistas precisam de consultas SQL ad-hoc sem provisionar ou gerenciar clusters, e o HDInsight requer a configuração e o dimensionamento de um cluster ativo para executar consultas interactivas. É tentador porque o HDInsight suporta interfaces semelhantes a SQL (por exemplo, Hive ou Spark SQL) e pode consultar arquivos CSV no Data Lake Storage, tornando-o uma escolha correta para processamento em lote (batch) ou cargas de trabalho ETL onde o gerenciamento de clusters é aceitável.

Para se aprofundar

Esta questão concentra-se na distinção entre mecanismos de consulta sem servidor (serverless) e plataformas de dados gerenciadas. O Azure Synapse Serverless SQL pool é um mecanismo de consulta SQL distribuído que expõe dados externos no Azure Data Lake como tabelas relacionais, realizando inferência de esquema em tempo de execução (on the fly) e usando um modelo de preços de pagamento por consulta baseado no volume de dados escaneados. Ao contrário dos bancos de dados relacionais tradicionais, ele não declara armazenamento de tabela persistente; cada consulta lê os dados diretamente dos arquivos subjacentes. Uma pegadinha sutil, mas importante: o SQL sem servidor pode incorrer em custos significativos se arquivos de log gigantescos forem escaneados repetidamente em cargas de trabalho ad-hoc, por isso particionar caminhos de arquivos ou usar a poda de arquivos (file pruning, por exemplo, por data) torna-se crítico para controlar os gastos. Um equívoco comum é pensar que qualquer serviço que comece com 'SQL' requer um banco de dados — aqui, o termo 'serverless SQL pool' é puramente uma interface de consulta, e não um banco de dados armazenado. Além disso, embora o Azure HDInsight possa consultar arquivos CSV com Hive ou Spark SQL, ele requer o provisionamento e o gerenciamento de clusters, tornando-o inadequado para consultas ad-hoc com configuração mínima. A implicação no mundo real é que, para analistas que precisam de acesso SQL instantâneo a data lakes brutos, ferramentas de consulta sem servidor como Synapse SQL ou Azure Data Explorer oferecem o melhor equilíbrio entre agilidade e custo, enquanto serviços de banco de dados e ETL são mais adequados para caminhos de acesso curados e de alto desempenho.

Sobre estas questões de prática

Esta é uma das questões de prática originais de DP-900 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.