Pratique pour l'examen | Microsoft Azure DP-900

1. Charge de travail d'analyse sur Azure (25 à 30 %)

Une charge de travail d'analyse sur Azure implique l'exploration, le minage et le visualisation des données à grande échelle pour gérer les tendances, identifier les relations, prévoir les scénarios futurs et prendre des décisions éclairées. Sur Azure, cette charge de travail peut utiliser une variété d'outils et de services, tels que Azure Synapse Analytics, Azure Databricks, Microsoft Fabric, Azure HDInsight, Azure Data Factory, et Power BI.

Éléments communs de l'analyse à grande échelle:

• Ingestion et traitement des données: Les données doivent être collectées et préparées avant d'être analysées. Azure propose des services comme Azure Data Factory pour l'orchestration de l'ingestion de données, et des outils comme Azure Databricks pour le traitement des données à grande échelle.

• Magasins de données analytiques: Après l'ingestion, les données sont stockées dans des magasins conçus pour les analyses, tels qu'Azure SQL Database ou Azure Cosmos DB (pour les cas d'utilisation nécessitant une réponse en temps réel et à grande échelle).

• Services Azure pour l'entreposage de données analytiques: Azure Synapse Analytics est un service puissant qui combine le magasin de données SQL et le moteur Spark, offrant des analyses sur des données structurées et non structurées. Azure Databricks est un service basé sur Apache Spark optimisé pour les analyses de données à grande échelle.

Analyse des données en temps réel:

Les données en streaming nécessitent des systèmes capables de traiter et d'analyser les données en arrivée, souvent en millisecondes. Azure Event Hubs peut être utilisé pour ingérer un volume élevé de données en temps réel, tandis qu'Azure Stream Analytics permet de transformer et de filtrer ces données en temps réel.

Visualisation des données dans Microsoft Power BI:

Power BI est un outil de visualisation de données qui permet aux utilisateurs de créer des rapports et des tableaux de bord interactifs à partir de données de diverses sources. Les fonctionnalités de Power BI incluent:

• Fonctionnalités de Power BI: Modélisation de données, mise en forme de rapports, visualisations avancées, et partage de rapports via l'application web ou mobile.

• Modèles de données dans Power BI: Permettent de définir la structure des données pour les rapports et les tableaux de bord, et facilitent l'automatisation du rapport avec le Power BI service.

• Visualisations appropriées pour les données: Power BI offre une large gamme de visualisations préconçues, y compris des graphiques, des cartes, des indicateurs de performance (KPIs), et des tableaux réactifs qui peuvent être personnalisés selon les besoins spécifiques de l'analyse.

2. Concepts de données de base (25 à 30 %)

Les concepts de données de base comprennent la compréhension des différents types de données, y compris les données structurées, semi-structurées et non structurées. Voici une description de chacun :

• Données structurées: Organisées et stockées dans des bases de données relationnelles ou des tables de feuille, elles suivent un schéma prédéfini avec des relations claires entre les enregistrements. Les exemples incluent les données stockées dans des systèmes comme MySQL, PostgreSQL, et Oracle.

• Données semi-structurées: Peuvent être stockées et manipulées de manière similaire aux données structurées mais ne suivent pas un schéma strict. Les exemples incluent les fichiers JSON, XML, et CSV.

• Données non structurées: Sans schéma prédéfini, telles que les textes, les images, les vidéos, et les données de type semi-conception (NoSQL). Les bases de données NoSQL comme MongoDB ou Cassandra sont conçues pour gérer ces types de données.

3. Charge de travail de base de données sur Azure (15 à 20 %)

La charge de travail de base de données sur Azure peut utiliser des services comme Azure SQL Database, Azure Cosmos DB ou Azure Database for MySQL, PostgreSQL, etc. Ces services offrent des capacités de déploiement, de gestion et d'échelle automatique pour gérer les bases de données relationnelles et non relationnelles.

• Azure SQL Database: Fournit une base de données relationnelle PaaS (Platform as a Service) sécurisée, élastique et compatible avec SQL Server.

• Azure Cosmos DB: Globalement distribué, multi-modes (SQL, Cassandra, Gremlin, et MongoDB), et capte des volumes de données en haute élatricité avec une latence basse.

4. Principes d'architecture cloud et de sécurité

Lors de la conception d'applications sur Azure, il est essentiel de prendre en compte les principes d'architecture cloud et de sécurité pour assurer l'intégrité, la confidentialité et l'efficacité des données. Cela inclut :

• Design et architecture multi-couches: Pour la disponibilité, la redondance et la performance.

• Automatisation et déploiement continu: Avec des outils comme Azure DevOps pour gérer le cycle de vie complet du code.

• Gestion des identités et des accès: Utilisant Azure Active Directory (Azure AD) pour contrôler qui a accès à quelles données ou ressources.

• Chiffrement: Pour protéger les données en repos et en transit avec Azure Security Center.

En résumé, une charge de travail complète sur Azure implique une compréhension approfondie des données, de leur gestion à leur analyse, tout en respectant les meilleures pratiques de sécurité et d'architecture cloud.