DifícilMúltipla escolha

Questão de prática de DP-900

Uma empresa usa o pool SQL dedicado do Azure Synapse Analytics para armazenar dados de vendas. A tabela de fatos contém bilhões de linhas e é distribuída por hash em ProductID. As consultas agregam vendas por loja e produto para o mês atual e realizam junções com uma tabela de dimensão Store pequena (10.000 linhas) e uma tabela de dimensão Product de tamanho médio (500.000 linhas). As consultas são lentas devido ao movimento de dados durante as junções. Qual alteração de projeto reduzirá mais o movimento de dados e melhorará o desempenho da consulta?

Escolha a melhor resposta.

Resposta correta

  • BReplicar a tabela de dimensão Store e a tabela de dimensão Product.

Explicação

A replicação das tabelas de dimensão Store e Product em todos os nós de computação elimina a necessidade de embaralhar (shuffle) dados durante junções com a grande tabela de fatos. Como ambas as tabelas de dimensão são pequenas o suficiente para caber na memória de cada nó (10.000 e 500.000 linhas), a replicação evita movimentos de dados dispendiosos e melhora significativamente o desempenho de consulta para agregações que fazem junção em várias dimensões.

Por que cada alternativa está certa ou errada

A

Incorreta

Alterar a tabela de fatos para distribuição round-robin.

Incorreto porque o round-robin distribui as linhas uniformemente sem nenhuma chave, o que pode causar embaralhamento extensivo de dados para junções e agregações, frequentemente degradando o desempenho.

B

Correta

Replicar a tabela de dimensão Store e a tabela de dimensão Product.

Correto. Replicar tabelas de dimensão pequenas em todas as distribuições elimina o movimento de dados durante as junções, pois cada distribuição já possui os dados completos da dimensão.

C

Incorreta

Alterar a chave de distribuição por hash da tabela de fatos para StoreID.

Incorreto porque alterar a chave de distribuição para StoreID colocaria os dados no mesmo local por loja, mas junções com a dimensão Product e agregações por loja e produto ainda podem causar movimento. Além disso, requer re-particionar toda a tabela.

D

Incorreta

Implementar um índice columnstore clusterizado na tabela de fatos.

Incorreto porque um índice columnstore clusterizado melhora a compressão e o desempenho de varredura, mas não aborda o movimento de dados durante as junções, que é a causa raiz da lentidão.

Para se aprofundar

Em um pool SQL dedicado, a distribuição por hash coloca linhas com o mesmo valor de chave na mesma distribuição, de modo que as junções nessa chave evitam mover dados entre as sessenta distribuições. Quando a tabela de fatos usa hash em ProductID, mas as consultas também unem uma dimensão Store, a junção de Store força uma difusão ou embaralhamento (broadcast ou shuffle). Replicar tabelas de dimensão pequenas copia a tabela inteira para cada nó de computação, eliminando esse movimento completamente; a tabela Store de 10.000 linhas é uma candidata ideal, e a tabela Product de 500.000 linhas também é pequena o suficiente para ser replicada. A distribuição round-robin pioraria as junções, e redefinir a chave da tabela de fatos para StoreID simplesmente mudaria o movimento para a junção de Product. A indexação de armazenamento de colunas (columnstore) auxilia nas varreduras, mas não remove o movimento de dados de junção.

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.