DP-900-CORE#80-3
注: この問題は、同じ前提を持つ一連の問題の一部です。それぞれの問題には異なる解決策が提示されます。
前提
ある製造業の本社が、各工場の生産ライン センサーから 1 分あたり数万件のテレメトリ (温度・圧力・振動・稼働状態) を収集し、(1) リアルタイム ダッシュボードで異常を即時可視化、(2) 過去 5 年分の蓄積データから故障予兆を分析、(3) 工場別の月次レポートを作成、の 3 目的を同時に達成したいと考えています。
解決策
Microsoft Fabric の Real-Time Intelligence (Eventstream → KQL DB) で取り込み + 即時可視化、Fabric Lakehouse に Delta 形式で長期保存 + Spark Notebook で予兆分析、Fabric Warehouse + Power BI Direct Lake で月次レポートを構築する。
この解決策は目的を満たしますか?
解説
【判定: はい】の理由
本ソリューションは Microsoft Fabric の単一プラットフォーム上で 3 目的すべてを実現する最新アーキテクチャであり、Lambda パターンを Fabric ネイティブ サービスで構築しています。
Fabric アプローチの優位性は、OneLake で一元管理されデータ重複ゼロを実現できる点、統合請求とガバナンスを単一テナントで扱える点、Direct Lake モードで常に最新データにアクセスできる点にあります。2024-11-01 以降の DP-900 試験範囲で重要視されるトピックです。
【「いいえ」が違う理由】
Fabric は Microsoft 推奨の最新統合プラットフォームであり、3 目的を単一テナントで完結できるため、Azure サービスを個別に組み合わせる場合と比較して運用性とコスト効率の両面で優れます。
出典: Microsoft Learn — Microsoft Fabric — End-to-end analytics
本ソリューションは Microsoft Fabric の単一プラットフォーム上で 3 目的すべてを実現する最新アーキテクチャであり、Lambda パターンを Fabric ネイティブ サービスで構築しています。
| 目的 | Fabric 内サービス | 特徴 |
|---|---|---|
| (1) リアルタイム可視化 | Eventstream + KQL DB | 数百万 events/sec の取り込みと KQL での時系列分析が可能です |
| (2) 長期予兆分析 | Lakehouse (Delta) + Spark Notebook | 5 年 TB 級データを安価に保存し、Spark で機械学習を実行できます |
| (3) 月次レポート | Warehouse + Power BI Direct Lake | 集計済データを SQL でクエリし、Power BI が Parquet を直接読み取ります |
Fabric アプローチの優位性は、OneLake で一元管理されデータ重複ゼロを実現できる点、統合請求とガバナンスを単一テナントで扱える点、Direct Lake モードで常に最新データにアクセスできる点にあります。2024-11-01 以降の DP-900 試験範囲で重要視されるトピックです。
【「いいえ」が違う理由】
Fabric は Microsoft 推奨の最新統合プラットフォームであり、3 目的を単一テナントで完結できるため、Azure サービスを個別に組み合わせる場合と比較して運用性とコスト効率の両面で優れます。
出典: Microsoft Learn — Microsoft Fabric — End-to-end analytics
コメント