DP-900

DP-900 fragt nach Verständnis für Daten und die Dienste, die damit arbeiten. Dieser Bereich legt die Begriffe.

Daten werden nach ihrer Struktur unterschieden. Strukturierte DatenDaten mit vorab festgelegtem Schema und festem Typ je Feld. passen in Tabellen mit festen Spalten. Halbstrukturierte DatenSelbstbeschreibende Daten, deren Felder je Datensatz abweichen dürfen. tragen ihre Struktur mit sich, etwa in JSONDatenformat mit geschweiften Klammern und Schlüssel-Wert-Paaren., und dürfen von Satz zu Satz verschieden sein. Unstrukturierte DatenDaten ohne Feldbegriff, Bilder, Ton, Video, Fließtext. sind Dateien wie Bilder, Videos oder Dokumente, in denen keine Struktur vorgegeben ist.

Der zweite Begriff ist die Art der Arbeitslast. Transaktionale Verarbeitung bedient viele kleine, schnelle Vorgänge, jeder einzelne wichtig und vollständig: die Bestellung, die Buchung, der Klick. Analytische Verarbeitung liest große Mengen, um Muster zu finden, und darf dafür langsamer sein. Die vier Eigenschaften einer Transaktion sind Unteilbarkeit, Konsistenz, Isolation und Dauerhaftigkeit.

Der dritte Begriff sind die Rollen. Der Datenbankadministrator hält Datenbanken am Laufen. Der Dateningenieur baut die Wege, auf denen Daten fließen. Der Datenanalyst macht aus Daten Aussagen. Diese Aufteilung erklärt, warum es verschiedene Dienste für scheinbar ähnliche Aufgaben gibt.

Zuletzt die Darstellung: Tabellen, Diagramme, Berichte und Dashboards. Beschreibend sagt, was war; diagnostisch sagt, warum; vorhersagend sagt, was kommt; vorschreibend sagt, was zu tun ist.

Der zweite Bereich behandelt relationale Daten in Azure.

Eine relationale Datenbank speichert Daten in Tabellen mit Zeilen und Spalten. Schlüssel verbinden Tabellen: Der Primärschlüssel macht eine Zeile eindeutig, der FremdschlüsselVerweis auf den Primärschlüssel einer anderen Tabelle; die Datenbank prüft die Gültigkeit. verweist auf eine andere Tabelle. Indizes beschleunigen das Lesen und kosten beim Schreiben. SichtenGespeicherte Abfrage, die wie eine Tabelle abgefragt wird, ohne Daten zu doppeln. sind gespeicherte Abfragen. NormalisierungAufteilen der Daten, damit jede Tatsache genau einmal gespeichert ist. vermeidet doppelte Daten.

Abgefragt wird mit SQL. Die Sprache teilt sich in Abfragen mit SELECT, in Änderungen an Daten mit INSERT, UPDATE und DELETE und in Änderungen an der Struktur mit CREATE, ALTER und DROP. Ein JOIN verbindet Tabellen, WHERE filtert, GROUP BY fasst zusammen.

In Azure gibt es mehrere Angebote. Die Azure SQL-Datenbank ist eine einzelne verwaltete Datenbank. Die verwaltete Instanz bildet eine vollständige Serverinstallation nach und passt, wenn Funktionen gebraucht werden, die eine einzelne Datenbank nicht hat. SQL Server auf einer virtuellen Maschine gibt volle Kontrolle und volle Verantwortung. Dazu kommen die offenen Datenbanken als Dienst für PostgreSQL und MySQL.

Die Entscheidung folgt der Frage, wie viel Verantwortung übernommen werden soll: Je weiter man nach oben geht, desto weniger Betrieb und desto weniger Freiheit.

Der dritte Bereich behandelt Daten, die nicht in eine feste Tabelle passen.

Azure Cosmos DB ist der zentrale Dienst. Er verteilt Daten weltweit, antwortet in wenigen Millisekunden und bietet mehrere Programmierschnittstellen: die für Dokumente, die für Tabellen, die für Schlüssel-Wert-Paare, die für Spaltenfamilien und die für Graphen. Der PartitionsschlüsselFeld, nach dem Cosmos DB die Daten aufteilt; bestimmt die Lastverteilung. entscheidet, wie Daten verteilt werden, und damit über Leistung und Kosten. Die Konsistenzstufe ist ein Ausgleich zwischen Genauigkeit, VerfügbarkeitSchutzziel: Informationen und Dienste sind bei Bedarf nutzbar. und Antwortzeit.

Daneben stehen die Dienste im Speicherkonto. BlobObjekt im Azure-Objektspeicher für unstrukturierte Daten wie Bilder, Videos oder Sicherungen.-Speicher hält unstrukturierte DatenDaten ohne Feldbegriff, Bilder, Ton, Video, Fließtext. in ContainernSteuerelement zur Anordnung in Zeilen und Spalten; Grundlage anpassungsfähiger Layouts., mit ZugriffsebenenSpeicherklasse eines Blobs: Heiß, Kühl, Kalt oder Archiv. Je kälter, desto günstiger der Speicher und desto teurer beziehungsweise langsamer der Zugriff. von heiß über kalt und kühl bis Archiv. Dateispeicher stellt Freigaben über SMB bereit, für Anwendungen, die ein Laufwerk erwarten. Tabellenspeicher hält einfache Schlüssel-Wert-Daten, Warteschlangenspeicher hält Nachrichten für die Entkopplung von Anwendungsteilen.

Für große Analysemengen gibt es den Speicher mit hierarchischem Namensraum, der Verzeichnisse und Berechtigungen kennt und damit für Datenseen geeignet ist.

Die Wahl folgt der Frage nach Struktur, Zugriffsmuster und Verteilung: Wer weltweit sehr schnell lesen und schreiben muss, landet bei Cosmos DB; wer Dateien ablegt, beim BlobObjekt im Azure-Objektspeicher für unstrukturierte Daten wie Bilder, Videos oder Sicherungen.-Speicher; wer eine Freigabe braucht, beim Dateispeicher.

Der letzte Bereich behandelt Analyse in Azure.

Der Weg der Daten hat immer dieselben Stationen: aufnehmen, speichern, aufbereiten, auswerten, darstellen. Aufnahme kann stapelweise erfolgen, also in Blöcken zu festen Zeiten, oder als Datenstrom, also fortlaufend. Für die Aufnahme und Bewegung ist Azure Data FactoryDienst zum Bauen und Takten von Datenstrecken. zuständig; sie orchestriert Pipelines mit Aktivitäten und kann viele Quellen anbinden.

Gespeichert wird im Datensee oder im Datenlager. Der Datensee nimmt Rohdaten in ihrer ursprünglichen Form auf, das Datenlager hält aufbereitete, strukturierte DatenDaten mit vorab festgelegtem Schema und festem Typ je Feld. für Auswertungen. Der Modellansatz mit Faktentabelle und Dimensionstabellen ist das übliche Muster im Lager.

Azure Synapse Analytics und Microsoft FabricPlattform, die Data Lake, Datenstrecken, Warehouse und Berichte mit OneLake vereint. bündeln Aufnahme, Speicherung, Aufbereitung und Auswertung in einer UmgebungEigener Container für Apps, Flows und Daten mit eigener Region und eigenen Rechten.. Azure DatabricksSpark-Plattform mit Notebooks für die Aufbereitung sehr großer Datenmengen. bringt Apache Spark für große Verarbeitungsmengen. Für laufende Datenströme steht Azure Stream AnalyticsDauerhaft laufende Abfrage über eintreffende Ereignisse und Zeitfenster. bereit, das Fenster über die Zeit legt und darin rechnet.

Dargestellt wird mit Power BI. Der Aufbau ist immer gleich: Daten anbinden, Modell bauen, Beziehungen setzen, Berichte gestalten, im Dienst veröffentlichen und ein Dashboard zusammenstellen. Ein Bericht gehört zu einem Datensatz, ein Dashboard sammelt Kacheln aus mehreren Berichten.