DP-600 练习题 — DP-600:使用 Microsoft Fabric 实现分析解决方案

1、题库联网,会自动更新,无需重新获取;

2、语言为中英文,包含在线练习,模拟测试,PDF下载;

3、可使用小程序,电脑网页端刷题学习,有效期一年;

4、激活码可直接购买,或通过天猫旗舰店购买;

5、有问题可通过微信,whatsapp,Line联系客服;

6、拖拽题,热点题,下拉框题正在逐步实现。

考试信息


样题

DP-600 · Q1
问题 #1 案例研究 - 这是一项案例研究。案例研究不单独计时。您可以根据需要使用任意数量的考试时间来完成每个案例。但是,本次考试可能包含额外的案例研究和部分内容。您必须合理安排时间,确保能够在规定时间内完成所有问题。 要回答案例研究中的问题,您需要参考案例研究中提供的信息。案例研究可能包含图表和其他资源,以提供有关案例研究中所述场景的更多信息。案例研究中的每个问题都是独立的。案例研究 结束后,将出现一个复习页面。您可以在此页面上查看答案并进行修改,然后再进入考试的下一部分。一旦开始新的部分,您将无法返回到此部分。 开始案例研究 - 要显示案例研究中的第一个问题,请单击“下一步”按钮。在回答问题之前,请使用左侧窗格中的按钮浏览案例研究的内容。单击这些按钮将显示诸如业务需求、现有环境和问题陈述等信息。如果案例研究包含“所有信息”选项卡,请注意,其中显示的信息与后续选项卡中显示的信息相同。准备好回答问题后,单击“问题”按钮返回问题页面。 概述 - Contoso, Ltd. 是一家总部位于美国的保健品公司。Contoso 有两个部门,分别名为销售部和研发部。销售部包含两个部门,分别名为在线销售部和零售销售部。研发部将内部开发的产品线分配给各个研究人员和分析师团队。 现有环境 - 身份环境 - Contoso 拥有一个名为 contoso.com 的 Microsoft Entra 租户。该租户包含两个组,分别名为 ResearchReviewersGroup1 和 ResearchReviewersGroup2。 数据环境 - Contoso 拥有以下数据环境: 销售部使用 Microsoft Power BI Premium 容量。 在线销售部的语义模型包含一个名为“订单”的事实表,该表使用“导入已完成”功能。在源系统中,“订单 ID”值表示订单的创建顺序。 研发部使用本地部署的第三方数据仓库产品。contoso.com 已启用 Fabric。 名为 storage1 的 Azure Data Lake Storage Gen2 存储帐户包含名为 Productline1 的产品线的研究部门数据。数据采用增量格式。 名为 storage2 的 Data Lake Storage Gen2 存储帐户包含名为 Productline2 的产品线的研发部门数据。数据格式为 CSV。 需求 - 计划变更 - Contoso 计划进行以下变更: 在销售部门使用的 Power BI Premium 容量中启用 Fabric 支持。 使销售部门和研发部门的所有数据均可在 Fabric 中使用。 对于研发部门,创建两个名为 Productline1ws 和 Productline2ws 的 Fabric 工作区。 在 Productline1ws 中,创建一个名为 Lakehouse1 的 Lakehouse。 在 Lakehouse1 中,创建一个名为 ResearchProduct 的指向 storage1 的快捷方式。 数据分析需求 - Contoso 确定了以下数据分析需求: 销售部门和研发部门的所有工作区必须支持所有 Fabric 功能。 研发部门的工作区必须使用按分钟计费的专用按需容量。 研发部门的工作区必须在逻辑上分组,以支持基于部门名称的 OneLake 数据中心筛选。 对于研究部门的工作区,ResearchReviewersGroup1 的成员必须能够使用 SQL 端点读取 Lakehouse 和仓库数据以及快捷方式。 对于研究部门的工作区,ResearchReviewersGroup2 的成员必须能够使用 Lakehouse Explorer 读取 Lakehouse 数据。 研究部门的所有语义模型和报告必须使用支持分支的版本控制。 数据准备要求 - Contoso 确定了以下数据准备要求: 必须使用 Fabric notebook 从 Lakehouse1 检索 Productline1 的研究部门数据。Lakehouse 中的所有研究部门数据必须以托管表的形式呈现在 Lakehouse Explorer 中。 语义模型要求 - Contoso 确定了以下语义模型的实施和管理要求: 必须尽量减少刷新期间添加到 Orders 表中的行数。 研究部门工作区中的语义模型必须使用 Direct Lake 模式。 通用要求 - Contoso 确定了所有解决方案都必须考虑的以下高级要求: 在适用情况下遵循最小权限原则。 尽可能减少实施和维护工作量。 您需要确保 Contoso 可以使用版本控制来满足数据分析需求和一般需求。 您应该怎么做?
  • A.
    将语义模型和报告存储在 Data Lake Gen2 存储中。
  • B.
    修改研究工作区的设置,使其使用 GitHub 存储库。
  • C.
    修改研究部门工作区的设置,使其使用 Azure Repos 存储库。
  • D.
    将所有语义模型和报告存储在 Microsoft OneDrive 中。

答案: C

本题要求为研究部门的语义模型和报告配置支持分支的版本控制,同时满足最小权限和最小运维工作量的要求。首先,Microsoft Fabric工作区原生支持通过绑定Git存储库实现内容的版本控制,可支持分支管理、版本追溯等需求。Contoso现有环境采用微软生态体系,包含Microsoft Entra租户、Azure存储资源等,选择Azure Repos作为Git存储库可直接复用现有Entra身份体系实现权限统一管理,无需额外搭建或对接第三方身份系统,大幅降低实施和运维成本,同时符合最小权限原则,完美匹配题目所有需求。 各选项分析: A. 将语义模型和报告存储在Data Lake Gen2存储中。ADLS Gen2是对象存储服务,本身仅提供基础的文件版本记录功能,不支持分支管理、版本对比、协作合并等代码级版本控制能力,无法满足题目要求的支持分支的版本控制需求,同时需要额外开发配套的版本管理逻辑,大幅提升运维成本,因此A错误。 B. 修改研究工作区的设置,使其使用GitHub存储库。虽然Fabric支持绑定GitHub作为Git存储库,但Contoso现有环境无GitHub相关部署,需要额外配置GitHub与Entra的身份对接、单独维护GitHub侧的权限体系,会增加实施和运维工作量,不符合题目要求的尽可能减少维护工作量的原则,因此B错误。 C. 修改研究部门工作区的设置,使其使用Azure Repos存储库。Azure Repos是Azure DevOps的原生Git服务,与Microsoft Entra ID、Fabric无缝集成,可直接复用Contoso现有的Entra身份和组配置实现权限分配,支持完整的分支版本控制能力,无需额外配置第三方系统,完美匹配最小权限、最小运维的要求,同时满足版本控制的功能需求,因此C正确。 D. 将所有语义模型和报告存储在Microsoft OneDrive中。OneDrive仅提供简单的文件版本回溯功能,不支持分支管理、协作合并等专业版本控制能力,无法满足题目要求的支持分支的版本控制需求,因此D错误。 关键知识点: 1. Microsoft Fabric工作区支持与Git存储库集成,可实现语义模型、报表等Fabric内容的版本控制、分支管理和协作开发,是实现Fabric内容生命周期管理的核心功能。 2. Fabric Git集成支持Azure Repos和GitHub两种存储库类型,企业用户在已有Azure和Microsoft Entra生态的场景下,选择Azure Repos可实现身份权限统一管理,大幅降低运维成本。 3. 最小权限和运维成本最小化是DP-600认证中方案选型的核心原则,需结合用户现有环境选择最优集成方案。 参考资料: 1. Git integration in Microsoft Fabric overview, 2. Get started with Git integration in Microsoft Fabric, https://learn.microsoft.com/en-us/fabric/cicd/git-integration/git-get-started
DP-600 · Q2
问题 #2 热点题 - 案例分析 - 这是案例分析题。案例分析题不单独计时。您可以根据需要使用任意数量的考试时间来完成每个案例。但是,本次考试可能包含额外的案例分析题和部分内容。您必须合理安排时间,确保在规定时间内完成所有题目。 要回答案例分析题中的问题,您需要参考案例分析题中提供的信息。案例分析题可能包含附件和其他资源,以提供更多关于案例分析题中所述情境的信息。本案例分析题中的每个问题都是独立的。 完成本案例分析题后,将出现一个复习页面。您可以在此页面上查看答案并进行修改,然后再进入考试的下一部分。一旦开始新的部分,您将无法返回到本部分。 开始案例分析题 - 要显示本案例分析题中的第一个问题,请单击“下一步”按钮。在回答问题之前,请使用左侧窗格中的按钮浏览案例分析题的内容。点击这些按钮会显示诸如业务需求、现有环境和问题陈述之类的信息。如果案例研究包含“所有信息”选项卡,请注意,其中显示的信息与后续选项卡中显示的信息相同。准备好回答问题后,点击“问题”按钮返回问题页面。 概述 - Contoso, Ltd. 是一家总部位于美国的保健品公司。Contoso 有两个部门,分别名为销售部和研发部。销售部包含两个部门,分别名为在线销售部和零售销售部。研发部将内部开发的产品线分配给各个研究人员和分析师团队。 现有环境 - 身份环境 - Contoso 拥有一个名为 contoso.com 的 Microsoft Entra 租户。该租户包含两个组,分别名为 ResearchReviewersGroup1 和 ResearchReviewersGroup2。 数据环境 - Contoso 拥有以下数据环境: 销售部使用 Microsoft Power BI Premium 容量。 在线销售部的语义模型包含一个名为“订单”的事实表,该表使用“导入已完成”功能。在源系统中,“订单 ID”值表示订单的创建顺序。 研究部门使用本地部署的第三方数据仓库产品。Fabric 已启用 contoso.com。 名为 storage1 的 Azure Data Lake Storage Gen2 存储帐户包含名为 Productline1 的产品线的研发部门数据。数据采用增量格式。 名为 storage2 的 Data Lake Storage Gen2 存储帐户包含名为 Productline2 的产品线的研发部门数据。数据采用 CSV 格式。 需求 - 计划变更 - Contoso 计划进行以下变更: 在销售部门使用的 Power BI Premium 容量中启用对 Fabric 的支持。 使销售部门和研发部门的所有数据均可在 Fabric 中使用。 对于研发部门,创建两个名为 Productline1ws 和 Productline2ws 的 Fabric 工作区。 在 Productline1ws 中,创建一个名为 Lakehouse1 的 Lakehouse。 在 Lakehouse1 中,创建一个名为 ResearchProduct 的指向 storage1 的快捷方式。 数据分析需求 - Contoso 确定了以下数据分析需求: 销售部门和研发部门的所有工作区必须支持所有 Fabric 体验。 研发部门的工作区必须使用按分钟计费的专用按需容量。 研究部门的工作区必须进行逻辑分组,以支持基于部门名称的 OneLake 数据中心筛选。 对于研究部门的工作区,ResearchReviewersGroup1 的成员必须能够使用 SQL 端点读取 Lakehouse 和仓库数据以及快捷方式。 对于研究部门的工作区,ResearchReviewersGroup2 的成员必须能够使用 Lakehouse Explorer 读取 Lakehouse 数据。 研究部门的所有语义模型和报告必须使用支持分支的版本控制。 数据准备要求 - Contoso 确定了以下数据准备要求: 必须使用 Fabric notebook 从 Lakehouse1 检索 Productline1 的研究部门数据。Lakehouse 中的所有研究部门数据必须以托管表的形式呈现在 Lakehouse Explorer 中。 语义模型要求 - Contoso 确定了以下语义模型的实施和管理要求: 必须尽量减少刷新期间添加到 Orders 表中的行数。 研究部门工作区中的语义模型必须使用 Direct Lake 模式。 通用要求 - Contoso 确定了所有解决方案都必须考虑的以下高级要求: 遵循最小权限原则(如适用)。 尽可能减少实施和维护工作量。 您需要推荐一个解决方案来对研究部门的工作区进行分组。 您的建议中应该包含哪些内容?请在答案区域中选择相应的选项。 注意:每个正确选项得一分。 " target="_blank" rel="nofollow noopener">https://img.examtopics.com/dp-600/image1.png">
  • .

答案: 域|Fabric 管理门户

" target="_blank" rel="nofollow noopener">https://img.examtopics.com/dp-600/image223.png">
DP-600 · Q3
问题 #3 案例研究 - 这是一项案例研究。案例研究不单独计时。您可以根据需要使用任意数量的考试时间来完成每个案例。但是,本次考试可能包含额外的案例研究和部分内容。您必须合理安排时间,确保能够在规定时间内完成所有问题。 要回答案例研究中的问题,您需要参考案例研究中提供的信息。案例研究可能包含图表和其他资源,以提供有关案例研究中所述场景的更多信息。案例研究中的每个问题都是独立的。案例研究 结束后,将出现一个复习页面。您可以在此页面上查看答案并进行修改,然后再进入考试的下一部分。一旦开始新的部分,您将无法返回到此部分。 开始案例研究 - 要显示案例研究中的第一个问题,请单击“下一步”按钮。在回答问题之前,请使用左侧窗格中的按钮浏览案例研究的内容。单击这些按钮将显示诸如业务需求、现有环境和问题陈述等信息。如果案例研究包含“所有信息”选项卡,请注意,其中显示的信息与后续选项卡中显示的信息相同。准备好回答问题后,单击“问题”按钮返回问题页面。 概述 - Contoso, Ltd. 是一家总部位于美国的保健品公司。Contoso 有两个部门,分别名为销售部和研发部。销售部包含两个部门,分别名为在线销售部和零售销售部。研发部将内部开发的产品线分配给各个研究人员和分析师团队。 现有环境 - 身份环境 - Contoso 拥有一个名为 contoso.com 的 Microsoft Entra 租户。该租户包含两个组,分别名为 ResearchReviewersGroup1 和 ResearchReviewersGroup2。 数据环境 - Contoso 拥有以下数据环境: 销售部使用 Microsoft Power BI Premium 容量。 在线销售部的语义模型包含一个名为“订单”的事实表,该表使用“导入已完成”功能。在源系统中,“订单 ID”值表示订单的创建顺序。 研发部使用本地部署的第三方数据仓库产品。contoso.com 已启用 Fabric。 名为 storage1 的 Azure Data Lake Storage Gen2 存储帐户包含名为 Productline1 的产品线的研究部门数据。数据采用增量格式。 名为 storage2 的 Data Lake Storage Gen2 存储帐户包含名为 Productline2 的产品线的研发部门数据。数据格式为 CSV。 需求 - 计划变更 - Contoso 计划进行以下变更: 在销售部门使用的 Power BI Premium 容量中启用 Fabric 支持。 使销售部门和研发部门的所有数据均可在 Fabric 中使用。 对于研发部门,创建两个名为 Productline1ws 和 Productline2ws 的 Fabric 工作区。 在 Productline1ws 中,创建一个名为 Lakehouse1 的 Lakehouse。 在 Lakehouse1 中,创建一个名为 ResearchProduct 的指向 storage1 的快捷方式。 数据分析需求 - Contoso 确定了以下数据分析需求: 销售部门和研发部门的所有工作区必须支持所有 Fabric 功能。 研发部门的工作区必须使用按分钟计费的专用按需容量。 研发部门的工作区必须在逻辑上分组,以支持基于部门名称的 OneLake 数据中心筛选。 对于研究部门的工作区,ResearchReviewersGroup1 的成员必须能够使用 SQL 端点读取 Lakehouse 和仓库数据以及快捷方式。 对于研究部门的工作区,ResearchReviewersGroup2 的成员必须能够使用 Lakehouse Explorer 读取 Lakehouse 数据。 研究部门的所有语义模型和报告必须使用支持分支的版本控制。 数据准备要求 - Contoso 确定了以下数据准备要求: 必须使用 Fabric notebook 从 Lakehouse1 检索 Productline1 的研究部门数据。Lakehouse 中的所有研究部门数据必须以托管表的形式呈现在 Lakehouse Explorer 中。 语义模型要求 - Contoso 确定了以下语义模型的实施和管理要求: 必须尽量减少刷新期间添加到 Orders 表中的行数。 研究部门工作区中的语义模型必须使用 Direct Lake 模式。 通用要求 - Contoso 确定了所有解决方案都必须考虑的以下高级要求: 在适用情况下遵循最小权限原则。 尽可能减少实施和维护工作量。 您需要刷新在线销售部门的订单表。解决方案必须满足语义模型要求。 您应该在解决方案中包含哪些内容?
  • A.
    一个 Azure 数据工厂管道,该管道执行存储过程活动,以检索目标 Lakehouse 中 OrderID 列的最大值。
  • B.
    一个 Azure 数据工厂管道,该管道执行存储过程活动,以检索目标 Lakehouse 中 OrderID 列的最小值。
  • C.
    一个 Azure 数据工厂管道,用于执行数据流以检索目标 Lakehouse 中 OrderID 列的最小值。
  • D.
    一个 Azure 数据工厂管道,用于执行数据流以检索目标 Lakehouse 中 OrderID 列的最大值。

答案: D

本题核心需求是最小化订单表刷新时新增的行数,已知OrderID按订单创建顺序生成,数值随新增订单单调递增,因此最优方案是采用增量加载逻辑,仅同步源系统中OrderID大于目标Lakehouse已有最大OrderID的新订单,避免全量加载和重复加载旧数据。同时通用要求明确需要尽可能减少实施和维护工作量,因此无需预先创建额外数据库对象的方案更符合要求。 各选项分析: A. 使用存储过程活动需要提前在Lakehouse中创建用于查询最大OrderID的存储过程,额外增加了开发和后续维护成本,不符合尽可能减少实施维护工作量的通用要求,因此错误。 B. 检索OrderID最小值无法支撑增量加载逻辑,无法过滤出需要新增的订单记录,不能满足最小化新增行数的需求,且使用存储过程会额外增加维护成本,因此错误。 C. 检索OrderID最小值的逻辑本身存在错误,无法实现增量加载过滤新增订单的目标,因此错误。 D. 使用数据流可以直接通过聚合操作查询目标Lakehouse中OrderID的最大值,无需预先创建存储过程,开发维护成本低,拿到最大值后即可过滤源系统订单仅拉取大于该值的新增记录,完美满足最小化刷新新增行数的要求,因此正确。 关键知识点: 1. Fabric语义模型增量加载设计要点,对于带有有序唯一标识的事实表,通过获取目标表最大标识值过滤源数据,可最小化数据加载量,满足性能优化要求。 2. Azure数据工厂不同活动的适用场景,数据流可直接完成数据聚合、过滤等转换操作,无需依赖预先定义的数据库对象,更适合低维护需求的场景。 3. DP-600考核的Fabric解决方案设计原则,需同时满足业务功能需求和最小权限、最低维护成本等通用架构要求。 参考资料: Microsoft Fabric 增量加载概述, Power BI 和 Fabric 语义模型增量刷新, https://learn.microsoft.com/zh-cn/power-bi/connect-data/incremental-refresh-overview
DP-600 · Q4
问题 #4 案例研究 - 这是一项案例研究。案例研究不单独计时。您可以根据需要使用任意数量的考试时间来完成每个案例。但是,本次考试可能包含额外的案例研究和部分内容。您必须合理安排时间,确保能够在规定时间内完成所有问题。 要回答案例研究中的问题,您需要参考案例研究中提供的信息。案例研究可能包含图表和其他资源,以提供有关案例研究中所述场景的更多信息。案例研究中的每个问题都是独立的。案例研究 结束后,将出现一个复习页面。您可以在此页面上查看答案并进行修改,然后再进入考试的下一部分。一旦开始新的部分,您将无法返回到此部分。 开始案例研究 - 要显示案例研究中的第一个问题,请单击“下一步”按钮。在回答问题之前,请使用左侧窗格中的按钮浏览案例研究的内容。单击这些按钮将显示诸如业务需求、现有环境和问题陈述等信息。如果案例研究包含“所有信息”选项卡,请注意,其中显示的信息与后续选项卡中显示的信息相同。准备好回答问题后,单击“问题”按钮返回问题页面。 概述 - Contoso, Ltd. 是一家总部位于美国的保健品公司。Contoso 有两个部门,分别名为销售部和研发部。销售部包含两个部门,分别名为在线销售部和零售销售部。研发部将内部开发的产品线分配给各个研究人员和分析师团队。 现有环境 - 身份环境 - Contoso 拥有一个名为 contoso.com 的 Microsoft Entra 租户。该租户包含两个组,分别名为 ResearchReviewersGroup1 和 ResearchReviewersGroup2。 数据环境 - Contoso 拥有以下数据环境: 销售部使用 Microsoft Power BI Premium 容量。 在线销售部的语义模型包含一个名为“订单”的事实表,该表使用“导入已完成”功能。在源系统中,“订单 ID”值表示订单的创建顺序。 研发部使用本地部署的第三方数据仓库产品。contoso.com 已启用 Fabric。 名为 storage1 的 Azure Data Lake Storage Gen2 存储帐户包含名为 Productline1 的产品线的研究部门数据。数据采用增量格式。 名为 storage2 的 Data Lake Storage Gen2 存储帐户包含名为 Productline2 的产品线的研发部门数据。数据格式为 CSV。 需求 - 计划变更 - Contoso 计划进行以下变更: 在销售部门使用的 Power BI Premium 容量中启用 Fabric 支持。 使销售部门和研发部门的所有数据均可在 Fabric 中使用。 对于研发部门,创建两个名为 Productline1ws 和 Productline2ws 的 Fabric 工作区。 在 Productline1ws 中,创建一个名为 Lakehouse1 的 Lakehouse。 在 Lakehouse1 中,创建一个名为 ResearchProduct 的指向 storage1 的快捷方式。 数据分析需求 - Contoso 确定了以下数据分析需求: 销售部门和研发部门的所有工作区必须支持所有 Fabric 功能。 研发部门的工作区必须使用按分钟计费的专用按需容量。 研发部门的工作区必须在逻辑上分组,以支持基于部门名称的 OneLake 数据中心筛选。 对于研究部门的工作区,ResearchReviewersGroup1 的成员必须能够使用 SQL 端点读取 Lakehouse 和仓库数据以及快捷方式。 对于研究部门的工作区,ResearchReviewersGroup2 的成员必须能够使用 Lakehouse Explorer 读取 Lakehouse 数据。 研究部门的所有语义模型和报告必须使用支持分支的版本控制。 数据准备要求 - Contoso 确定了以下数据准备要求: 必须使用 Fabric notebook 从 Lakehouse1 检索 Productline1 的研究部门数据。Lakehouse 中的所有研究部门数据必须以托管表的形式呈现在 Lakehouse Explorer 中。 语义模型要求 - Contoso 确定了以下语义模型的实施和管理要求: 必须尽量减少刷新期间添加到 Orders 表中的行数。 研究部门工作区中的语义模型必须使用 Direct Lake 模式。 通用要求 - Contoso 确定了所有解决方案都必须考虑的以下高级要求: 在适用情况下遵循最小权限原则。 尽可能减少实施和维护工作量。 在笔记本中,应该使用哪种语法来访问产品线1的研究部门数据?
  • A.
    spark.read.format(“delta”).load(“Tables/productline1/ResearchProduct”)
  • B.
    spark.sql(“SELECT * FROM Lakehouse1.ResearchProduct”)
  • C.
    external_table('Tables/ResearchProduct)
  • D.
    external_table(ResearchProduct)

答案: B

本题考察Microsoft Fabric中Lakehouse托管表的访问语法,结合题目要求,Lakehouse1中的ResearchProduct是指向ADLS Gen2存储的快捷方式,且要求以托管表形式在Lakehouse Explorer中呈现,在Fabric Notebook中访问该托管表时,最优方式是使用Spark SQL通过完整的Lakehouse名.表名语法直接查询,该方式无需额外指定文件格式、存储路径,符合最小维护工作量的要求,同时能正确访问快捷方式映射的研究部门数据,完全满足题目需求。 各选项分析: A. 该选项采用直接读取Delta文件的语法,首先路径Tables/productline1/ResearchProduct不符合快捷方式映射的托管表的存储结构,其次直接读文件的方式不是访问托管表的标准方式,后续存储路径变更会导致代码失效,维护成本高,不符合需求,因此错误。 B. 该选项使用Spark SQL的标准查询语法,通过Lakehouse1.ResearchProduct明确指定访问Lakehouse1中的ResearchProduct托管表,Fabric的Spark运行环境可自动识别快捷方式映射的存储路径和数据格式,无需额外配置,符合最小运维要求,访问方式正确,因此正确。 C. external_table函数的入参应为表名称而非文件路径,且该函数主要用于访问未注册到当前Lakehouse元数据的外部表,本题中ResearchProduct已经是Lakehouse1中注册的托管表,不需要使用该函数,语法和适用场景均错误,因此错误。 D. 首先external_table函数的入参缺少字符串引号存在语法错误,其次该函数适用场景错误,且未指定所属的Lakehouse名称,无法保证定位到Lakehouse1中的ResearchProduct表,因此错误。 关键知识点: 1. Microsoft Fabric Lakehouse托管表访问规则:附加到Notebook的Lakehouse中的托管表,包含快捷方式创建的表,可通过Spark SQL使用.<表名>的语法直接查询,无需指定数据格式和存储路径。 2. Microsoft Fabric Lakehouse快捷方式特性:指向ADLS Gen2等外部存储的快捷方式可注册为Lakehouse的托管表,支持通过Spark SQL、SQL端点等标准方式访问,无需额外数据同步。 3. Fabric数据开发最佳实践:访问Lakehouse中的数据优先使用注册的表名而非直接读取文件路径,可降低后续存储配置变更带来的维护成本。 参考资料: 在 Microsoft Fabric 中使用笔记本查询 Lakehouse, Microsoft Fabric 中的 Lakehouse 快捷方式, https://learn.microsoft.com/zh-cn/fabric/onelake/onelake-shortcuts
DP-600 · Q5
问题 #5 热点题 - 案例分析 - 这是案例分析题。案例分析题不单独计时。您可以根据需要使用任意数量的考试时间来完成每个案例。但是,本次考试可能包含额外的案例分析题和部分内容。您必须合理安排时间,确保在规定时间内完成所有题目。 要回答案例分析题中的问题,您需要参考案例分析题中提供的信息。案例分析题可能包含附件和其他资源,以提供更多关于案例分析题中所述情境的信息。本案例分析题中的每个问题都是独立的。 完成本案例分析题后,将出现一个复习页面。您可以在此页面上查看答案并进行修改,然后再进入考试的下一部分。一旦开始新的部分,您将无法返回到本部分。 开始案例分析题 - 要显示本案例分析题中的第一个问题,请单击“下一步”按钮。在回答问题之前,请使用左侧窗格中的按钮浏览案例分析题的内容。点击这些按钮会显示诸如业务需求、现有环境和问题陈述之类的信息。如果案例研究包含“所有信息”选项卡,请注意,其中显示的信息与后续选项卡中显示的信息相同。准备好回答问题后,点击“问题”按钮返回到该问题。 概述 - Litware, Inc. 是一家在北美各地设有办事处的制造公司。Litware 的分析团队由数据工程师、分析工程师、数据分析师和数据科学家组成。 现有环境 - Fabric 环境 - Litware 已使用 Microsoft Power BI 租户三年。Litware 尚未启用任何 Fabric 容量和功能。 可用数据 - Litware 拥有必须进行分析的数据,如下表所示。 " target="_blank" rel="nofollow noopener">https://img.examtopics.com/dp-600/image4.png"> 产品数据包含一个表,其中包含以下列。 " target="_blank" rel="nofollow noopener">https://img.examtopics.com/dp-600/image5.png"> 客户满意度数据包含以下表格: 调查 - 问题 - 回复 - 对于提交的每个调查,都会发生以下情况: 在“调查”表中添加一行。 在“回复”表中,调查中的每个问题都会添加一行。 “问题”表包含每个调查问题的文本。每个调查回复中的第三个问题是总体满意度评分。顾客每次购买后都可以提交调查问卷。 用户问题 - 分析团队拥有大量数据,其中一些是半结构化数据。该团队希望使用 Fabric 创建一个新的数据存储。 产品数据通常分为三个价格组:高、中、低。这种逻辑已在多个数据库和语义模型中实现,但不同实现之间的逻辑并不总是完全一致。 需求 - 计划变更 - Litware 计划在现有租户中启用 Fabric 功能。分析团队将创建一个新的数据存储作为概念验证 (PoC)。其余 Litware 用户只有在 PoC 完成后才能访问 Fabric 功能。 PoC 将使用 Fabric 试用容量完成。 将创建以下三个工作区: AnalyticsPOC:包含数据存储、语义模型、报表管道、数据流以及用于填充数据存储的笔记本; DataEngPOC:包含用于填充 OneLake 的所有管道、数据流和笔记本; DataSciPOC:包含数据科学家创建的所有笔记本和报表。AnalyticsPOC 工作区中将创建以下内容: 数据存储(类型待定) 、自定义语义模型、 默认语义模型和 交互式报表。 数据工程师将创建数据管道,根据数据源,按小时或按天将数据加载到 OneLake。分析工程师将创建流程,每天在 AnalyticsPOC 工作区中摄取、转换数据并将其加载到数据存储。数据工程师将尽可能使用低代码工具进行数据摄取。数据清洗和转换工具的选择将由数据工程师自行决定。 Analytics POC 工作区中的所有语义模型和报告都将使用数据存储作为唯一数据源。 技术要求 - 数据存储必须支持以下功能: 使用 T-SQL 或 Python 进行读取访问;支持 半结构化和非结构化数据 ;支持执行 T-SQL 查询的用户行级安全性 (RLS)。 数据工程师加载到 OneLake 的文件将以 Parquet 格式存储,并符合 Delta Lake 规范。 数据将未经转换地加载到 Analytics POC 数据存储的一个区域中。然后,数据将被清洗、合并并转换为维度模型。 数据加载过程必须确保在填充维度模型之前,原始数据和清洗后的数据都已完全更新。 维度模型必须包含日期维度。日期维度没有现有数据源。Litware 的财政年度与日历年一致。日期维度必须始终包含 2010 年至当前年份末的日期。 产品定价组逻辑必须由分析工程师在单一位置维护。定价组数据必须在数据存储中提供,以供 T-SOL 查询和默认语义模型使用。必须使用以下逻辑: 标价小于或等于 50 的产品属于低价组。标价 大于 50 且小于或等于 1,000 的产品属于中价组。 标价大于 1,000 的产品属于高价组。 安全要求 - 只有 Fabric 管理员和分析团队才能查看作为 PoC 一部分创建的 Fabric 项。Litware 为 AnalyticsPOC 工作区中的 Fabric 项确定了以下安全要求: Fabric 管理员将担任工作区管理员。 数据工程师必须能够读取和写入数据存储。不得授予对数据集或报表的任何访问权限。 分析工程师必须能够从数据存储中读取数据、写入数据并创建模式。他们还必须能够创建语义模型并与数据分析师共享,以及查看和修改工作区中的所有报表。 数据科学家必须能够从数据存储中读取数据,但不能写入数据。他们将使用 Spark Notebook 访问数据。 数据分析师必须仅拥有对数据存储中维度模型对象的读取权限。他们还必须能够使用分析工程师创建的语义模型创建 Power BI 报表。 日期维度必须对数据存储的所有用户可用。 必须遵循最小权限原则。 默认语义模型和自定义语义模型都必须仅包含数据存储中维度模型的表或视图。 Litware 已拥有以下 Microsoft Entra 安全组: FabricAdmins:Fabric 管理员; AnalyticsTeam:分析团队的所有成员; DataAnalysts:分析团队的数据分析师 ;DataScientists:分析团队的数据科学家; DataEngineers:分析团队的数据工程师; AnalyticsEngineers:分析团队的分析工程师。 报告要求 - 数据分析师必须创建一份满足以下要求的客户满意度报告: 允许用户选择产品,以便筛选出购买过该产品的客户调查回复; 显示截至指定日期过去 12 个月内提交的所有调查的平均总体满意度评分; 数据在数据存储中更新后立即显示; 确保报告和语义模型仅包含当前年份和上一年的数据; 确保报告遵守源数据存储中指定的任何表级安全设置; 最大限度地缩短报告查询的执行时间。 您需要在 AnalyticsPOC 工作区中为数据存储分配权限。该解决方案必须满足安全要求。 共享数据存储时,您应该分配哪些其他权限?请在答案区域中选择相应的选项。 注意:每个正确选项得一分。 " target="_blank" rel="nofollow noopener">https://img.examtopics.com/dp-600/image6.png">
  • .

答案: 基于默认数据集生成报表|基于默认数据集生成报表|读取全部 Apache Spark 数据

" target="_blank" rel="nofollow noopener">https://img.examtopics.com/dp-600/image224.png">

常见问题

DP-600 有多少道练习题?

本题库收录 DP-600 练习题共 222 道,含单选、多选等题型,每题配有答案与解析。

DP-600 练习题支持中英文吗?

支持,DP-600 练习题为中英双语对照,便于对照原文理解。

DP-600 练习题可以免费试做吗?

可以,本页提供免费样题在线试做;完整题库可在掌学兔注册后获取。