Microsoft Azure Data Fundamentals (DP-900) — Preguntas de práctica y simulacro de examen

Las bases de datos de grafos almacenan las entidades como vértices (nodos) y las conexiones como aristas, optimizadas para recorrer relaciones complejas: esa es la característica que las distingue de las bases de datos de documentos. Las bases de datos de documentos guardan documentos JSON/BSON autocontenidos, optimizados para operaciones sobre registros individuales, pero requieren joins costosos del lado de la aplicación para las consultas de relaciones. Un grafo brilla en consultas como "encontrar amigos de amigos que compraron X" mediante el recorrido de aristas. Azure Cosmos DB for Apache Gremlin implementa grafos de propiedades con el framework TinkerPop. Distractores: los grafos no exigen esquemas fijos (son flexibles por diseño), no usan formato columnar (eso son los índices columnstore) y no almacenan documentos JSON (eso son las bases de datos de documentos). Ref: https://learn.microsoft.com/azure/cosmos-db/gremlin/introduction

La API for MongoDB de Azure Cosmos DB ofrece compatibilidad a nivel de wire protocol, de modo que las aplicaciones MongoDB existentes pueden conectarse con solo actualizar la cadena de conexión: no hacen falta cambios de código. Admite MongoDB Query Language (MQL), pipelines de agregación y los drivers y SDK estándar de MongoDB. Ventajas frente a un MongoDB autoadministrado: distribución global lista para usar, autoescalado elástico, SLA de 99.999%% e indexación automática. Distractores: la API for Cassandra apunta a cargas de trabajo de Cassandra (CQL), la API for Table apunta a migraciones desde Azure Table Storage, y la API for NoSQL es la API nativa de Cosmos DB recomendada para proyectos nuevos. Elige siempre la API que coincida con el modelo de datos de tu aplicación existente. Ref: https://learn.microsoft.com/azure/cosmos-db/mongodb/introduction

Un índice clustered columnstore (CCI) almacena los datos en formato columnar comprimido y alcanza hasta 10x de compresión y 10x de mejora en el rendimiento de las consultas para cargas de trabajo analíticas (OLAP). A diferencia de los índices rowstore, que leen filas completas, columnstore lee solo las columnas referenciadas en la consulta, lo que reduce drásticamente la E/S en agregaciones sobre grandes volúmenes de datos. El procesamiento en modo batch acelera aún más el rendimiento. Está disponible en Azure SQL Database, en los pools de SQL dedicados de Synapse y en SQL Server. Un índice clustered rowstore almacena los datos fila por fila (árbol B tradicional). Un índice nonclustered rowstore es una estructura secundaria de búsqueda. Los índices de búsqueda de texto completo permiten buscar por palabras clave — ninguno de ellos usa compresión columnar. Los índices nonclustered columnstore habilitan HTAP híbrido sobre tablas rowstore. Ref: https://learn.microsoft.com/sql/relational-databases/indexes/columnstore-indexes-overview