DP-900-CORE#96-3
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
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
クレジット カード決済の不正検知パイプライン (1 日 100 万件超のトランザクション) を実装したい。要件達成のため、Azure Event Hubs で取り込み、Azure Stream Analytics + Anomaly Detection 関数でリアルタイム判定し、Azure Functions で即座にアラート発火する構成を採用する。
この解決策は目的を満たしますか?
解説
【判定: はい】の理由
本構成は金融業界の不正検知シナリオに最適化された Microsoft 推奨パターンです。
不正検知は低遅延 (ミリ秒) と継続的データ流入の両方を要求するため、ストリーミング処理が必須です。
【「いいえ」が違う理由】
本構成は金融業界の不正検知に対する Microsoft の標準的な推奨アーキテクチャで、要件達成度は最高水準です。
出典: Microsoft Learn — Anomaly detection in Azure Stream Analytics
本構成は金融業界の不正検知シナリオに最適化された Microsoft 推奨パターンです。
| 段階 | サービス | 役割 |
|---|---|---|
| 1. 取り込み | Azure Event Hubs | 1 日 100 万件超のトランザクションを毎秒数百件規模で受信 |
| 2. リアルタイム判定 | Stream Analytics + Anomaly Detection | SQL ライク クエリで時間窓集計、機械学習ベースの異常検知 |
| 3. アクション | Azure Functions | 異常検出時に即座にアラート発火、関連システムへ連携 |
不正検知は低遅延 (ミリ秒) と継続的データ流入の両方を要求するため、ストリーミング処理が必須です。
【「いいえ」が違う理由】
本構成は金融業界の不正検知に対する Microsoft の標準的な推奨アーキテクチャで、要件達成度は最高水準です。
出典: Microsoft Learn — Anomaly detection in Azure Stream Analytics
コメント