DP-900-CORE#96-1
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
様々なデータ処理シナリオについて、提案されている解決策が要件に合致するかを判定してください。データ処理パターン (ストリーミング vs バッチ) の選択は、データ到着特性と応答時間要件に基づきます。
解決策
ある工場の生産ライン センサーから 1 秒あたり数千件のテレメトリ データを受信し、機械の異常を即時検知してアラート発火したい。要件達成のため、Azure Stream Analytics でリアルタイム ストリーム処理し、Power BI Streaming Dataset へ即座に送る構成を採用する。
この解決策は目的を満たしますか?
解説
【判定: はい】の理由
本構成はストリーミング処理の典型シナリオに完全に合致します。
IoT センサーのテレメトリのように継続的に流入し、低遅延応答が必須なデータには、ストリーミング処理が最適です。
【「いいえ」が違う理由】
本構成は Microsoft が IoT 異常検知シナリオで標準的に推奨するパターンで、ストリーミング処理の要件 (継続流入 + ミリ秒応答) を完全に満たします。
出典: Microsoft Learn — Welcome to Azure Stream Analytics
本構成はストリーミング処理の典型シナリオに完全に合致します。
| 要件 | 対応コンポーネント |
|---|---|
| 継続的データ取り込み | センサー → Event Hubs (暗黙) → Stream Analytics |
| 即時異常検知 | Stream Analytics の anomaly_detection 関数 (ミリ秒〜秒単位の遅延) |
| リアルタイム可視化 | Power BI Streaming Dataset (Push API で即座にダッシュボード更新) |
IoT センサーのテレメトリのように継続的に流入し、低遅延応答が必須なデータには、ストリーミング処理が最適です。
【「いいえ」が違う理由】
本構成は Microsoft が IoT 異常検知シナリオで標準的に推奨するパターンで、ストリーミング処理の要件 (継続流入 + ミリ秒応答) を完全に満たします。
出典: Microsoft Learn — Welcome to Azure Stream Analytics
コメント