Guía de estudio · Resumen
DP-900 Azure Data Fundamentals
Lo esencial de cada dominio del examen, con los servicios que más preguntan. Toca un servicio para ver su detalle.
Fundamentos~50 min de lectura4 dominios
Qué cubre el examen
D1 · 25–30% del examen
Conceptos básicos de datos
Formas de representar los datos
Los datos describen entidades (clientes, productos, pedidos) y sus atributos (nombre, precio, fecha). Según qué tan fija es su estructura, se clasifican en tres tipos.
| Tipo | Estructura | Ejemplos |
|---|---|---|
| Estructurados | Esquema fijo: todas las filas tienen los mismos campos (tablas) | Tablas de clientes y pedidos |
| Semiestructurados | Tienen estructura, pero varía entre instancias | Documentos JSON con campos distintos |
| No estructurados | Sin estructura específica | Documentos, imágenes, audio, video, binarios |
Los datos vectoriales (embeddings) son una representación numérica de contenido como texto o imágenes. Las aplicaciones de IA los usan para encontrar contenido semánticamente similar.
Formatos de archivo
| Formato | Cómo es | Uso típico |
|---|---|---|
| CSV / TSV | Texto delimitado, legible por personas | Datos estructurados que leen muchas apps |
| JSON | Documento jerárquico de objetos y colecciones | Datos estructurados y semiestructurados |
| XML | Etiquetas legibles; reemplazado en gran parte por JSON | Sistemas que aún lo usan |
| BLOB | Binario sin interpretar | Imágenes, video, audio, documentos |
| Parquet | Columnar, con grupos de filas y metadatos | Data lakes y lakehouses |
| Avro | Por filas; encabezado en JSON y datos binarios | Comprimir datos y ahorrar ancho de banda |
| Delta Lake | Parquet + registro de transacciones | Transacciones ACID y versiones en un data lake |
Almacenes de datos: archivos y bases de datos
Hay dos grandes categorías: almacenes de archivos y bases de datos. Las relacionales guardan datos estructurados en tablas unidas por claves y se consultan con SQL. Las no relacionales (NoSQL) no aplican un esquema relacional.
Clave-valor
Cada registro es una clave única y un valor en cualquier formato
Documentos
Clave-valor donde el valor es un documento JSON que se puede consultar
Familias de columnas
Filas y columnas agrupadas en familias relacionadas
Grafos
Entidades como nodos y relaciones como enlaces
| Caso de uso | Almacén en Azure |
|---|---|
| App transaccional con tablas y relaciones | Azure SQL, PostgreSQL o MySQL |
| Documentos JSON a escala global | Azure Cosmos DB |
| Imágenes, video, backups | Azure Blob Storage |
| Data lake para analítica | ADLS Gen2 o OneLake |
| Carpeta compartida de red | Azure Files |
| Clave-valor simple y rápido | Azure Table Storage |
Cargas transaccionales y analíticas
Un sistema transaccional (OLTP) registra muchas transacciones pequeñas con operaciones CRUD. Garantiza las propiedades ACID:
Atomicidad
La transacción se completa entera o falla entera
Consistencia
Solo lleva la base de un estado válido a otro
Aislamiento
Las transacciones concurrentes no se interfieren
Durabilidad
Lo confirmado permanece aunque se apague el sistema
La analítica usa sistemas de solo lectura (o casi) con grandes volúmenes de datos históricos:
ETL o ELT
Los datos operativos se extraen y cargan; en ELT se transforman después de cargar
Lakehouse o warehouse
Se cargan en tablas: lakehouse sobre archivos o warehouse relacional
Modelo semántico
Medidas agregadas por dimensiones (antes llamado cubo)
Reportes
Visualizaciones y dashboards sobre esos datos
Arquitectura medallion en un lakehouse: Bronze = datos en bruto tal como llegan, Silver = limpios y estandarizados, Gold = agregados y listos para reportes.
Roles en el mundo de los datos
| Rol | Responsabilidades |
|---|---|
| Administrador de bases de datos | Diseño, disponibilidad y rendimiento de las bases; permisos de acceso; backups y recuperación |
| Ingeniero de datos | Pipelines de ingesta y transformación, almacenes analíticos, privacidad y monitoreo de cargas |
| Analista de datos | Explorar datos, construir modelos analíticos y crear reportes y visualizaciones |
| AI engineer | Integrar funciones de IA con LLMs y pipelines de ML; usa Microsoft Foundry |
Una misma persona puede cumplir varios roles. Otros roles relacionados son el científico de datos y el arquitecto de datos.
D2 · 20–25% del examen
Datos relacionales en Azure
Conceptos relacionales y normalización
En una base relacional, cada entidad es una tabla, cada fila tiene una clave primaria única y las tablas se relacionan con claves foráneas. La normalización minimiza la duplicación y refuerza la integridad:
Una tabla por entidad
Una columna por atributo
Clave primaria para cada fila
Claves foráneas para relacionar
Una clave puede ser compuesta (varias columnas juntas). El motor puede reforzar la integridad referencial: no deja crear un pedido para un cliente que no existe.
Instrucciones SQL y objetos de base de datos
| Grupo | Para qué | Instrucciones |
|---|---|---|
| DDL | Crear, modificar y eliminar objetos | CREATE, ALTER, DROP, RENAME |
| DCL | Gestionar permisos | GRANT, DENY, REVOKE |
| DML | Manipular filas | SELECT, INSERT, UPDATE, DELETE |
UPDATE y DELETE sin WHERE afectan todas las filas de la tabla, y SQL no pregunta "¿estás seguro?". DROP elimina el objeto de forma permanente.
| Dialecto | Lo usa |
|---|---|
| Transact-SQL (T-SQL) | SQL Server y la familia Azure SQL |
| PL/pgSQL | PostgreSQL |
| PL/SQL | Oracle |
| Objeto | Qué es |
|---|---|
| Vista | Tabla virtual basada en una consulta SELECT |
| Procedimiento almacenado | Instrucciones SQL guardadas que se ejecutan a pedido, con parámetros |
| Índice | Copia ordenada de una columna que acelera búsquedas; ocupa espacio y hace más lentos INSERT, UPDATE y DELETE |
La familia Azure SQL
Toca un servicio para ver su detalle.
| SQL en VMs | Managed Instance | SQL Database | |
|---|---|---|---|
| Tipo | IaaS | PaaS | PaaS |
| Compatibilidad | Total | Casi 100% | Funciones principales a nivel de base |
| Administración | Tú administras todo | Actualizaciones y backups automáticos | Actualizaciones y backups automáticos |
| Ideal para | Control total del servidor | Migraciones con cambios mínimos | Apps nuevas en la nube |
SQL Database se ofrece como single database o elastic pool. El nivel serverless escala solo y en General Purpose se pausa sin actividad. Hyperscale llega a 128 TB.
Bases de datos open source en Azure
Toca un servicio para ver su detalle.
Azure Database for MariaDB se retiró el 19 de septiembre de 2025; el destino de migración es Azure Database for MySQL Flexible Server. El material oficial actual solo cubre MySQL y PostgreSQL.
D3 · 15–20% del examen
Datos no relacionales en Azure
Azure Storage
Toca un servicio para ver su detalle.
| Nivel de Blob | Uso | Mínimo |
|---|---|---|
| Hot (predeterminado) | Acceso frecuente | Sin mínimo |
| Cool | Acceso poco frecuente | 30 días |
| Cold | Acceso raro pero lectura rápida | 90 días |
| Archive | Histórico; fuera de línea, rehidratar (hasta 15 h) | 180 días |
| Tipo de blob | Para qué |
|---|---|
| Block | Archivos grandes que cambian poco |
| Page | Lectura y escritura aleatoria; discos de VMs |
| Append | Solo agregar al final; logs |
| Redundancia | Copias |
|---|---|
| LRS | 3 copias en un solo datacenter |
| ZRS | 3 zonas de disponibilidad en la región |
| GRS / GZRS | Réplica asíncrona a una región secundaria (RA- permite leerla) |
Azure Cosmos DB
Toca un servicio para ver su detalle.
| API | Modelo | Consulta |
|---|---|---|
| NoSQL (nativa, antes "SQL API") | Documentos JSON | Sintaxis parecida a SQL |
| MongoDB | Documentos BSON | MongoDB Query Language (MQL) |
| Table | Clave-valor | Mismo modelo que Table Storage |
| Apache Cassandra | Familias de columnas | CQL |
| Apache Gremlin | Grafos (vértices y aristas) | Gremlin |
Para migrar una app de MongoDB o usar todo el lenguaje de MongoDB, Microsoft recomienda Azure DocumentDB, un servicio aparte. Cosmos DB for PostgreSQL va en camino de retiro y no se recomienda para proyectos nuevos.
| Consistencia | Garantía |
|---|---|
| Strong | Cada lectura ve la escritura más reciente |
| Bounded staleness | Las lecturas se atrasan como máximo un intervalo configurable |
| Session | Consistente dentro de una sesión de cliente; la más usada |
| Consistent prefix | Nunca ve escrituras fuera de orden, pero puede ver datos viejos |
| Eventual | Las réplicas convergen con el tiempo; la más débil y la más disponible |
D4 · 25–30% del examen
Cargas de trabajo de analítica en Azure
Ingesta y procesamiento de datos
Toca un servicio para ver su detalle.
| Opción en Fabric | Qué hace |
|---|---|
| Pipelines | Orquestan actividades de movimiento y transformación |
| Dataflows Gen2 | Transformaciones low-code con Power Query |
| Shortcuts de OneLake | Referencia viva a ADLS, S3, Google Cloud Storage u otro OneLake, sin copiar |
| Mirroring | Réplica continua de una base externa a OneLake |
| Eventstream | Ingesta de streaming desde Event Hubs, Kafka, IoT Hub y más |
| Notebooks | Código Spark para casos sin conector |
ETL transforma los datos antes de cargarlos; ELT los carga primero y los transforma en el destino, un patrón común en los lakehouses.
Almacenes analíticos
| Almacén | Cómo funciona |
|---|---|
| Data warehouse | Base relacional optimizada para análisis: tablas de hechos y dimensiones (esquema en estrella o copo de nieve) |
| Data lake | Almacén de archivos procesado con motores como Spark; schema-on-read |
| Lakehouse | Archivos en un data lake expuestos como tablas con un endpoint SQL, gracias a Delta Lake |
Toca un servicio para ver su detalle.
| Microsoft Fabric | Elígelo cuando |
|---|---|
| Lakehouse | Datos mixtos o semiestructurados, Spark y machine learning; su SQL analytics endpoint consulta pero no modifica datos |
| Warehouse | Datos estructurados, equipo que escribe T-SQL, transacciones ACID multitabla |
Microsoft Fabric es una plataforma de analítica SaaS unificada; Azure Databricks es la opción code-first sobre Spark. Ambas usan Delta Lake. Microsoft Purview aporta gobierno de datos: catálogo, clasificación y linaje.
Analítica en tiempo real
| Aspecto | Batch | Streaming |
|---|---|---|
| Alcance | Todo el conjunto de datos | Datos recientes o una ventana de tiempo |
| Tamaño | Grandes volúmenes | Registros individuales o micro lotes |
| Latencia | Típicamente horas | Segundos o milisegundos |
| Análisis | Complejo | Respuestas simples, agregados, promedios móviles |
Arquitectura de streaming: un evento genera datos → se capturan en una fuente (a menudo una cola) → una consulta perpetua los procesa por ventanas de tiempo → el resultado va a un sink.
Toca un servicio para ver su detalle.
| Fabric Real-Time Intelligence | Para qué |
|---|---|
| Real-Time hub | Catálogo central de flujos de datos |
| Eventstream | Ingerir, enrutar y transformar eventos |
| Eventhouse | Base optimizada para eventos y series temporales, consultada con KQL |
| Real-Time Dashboard | Visualización en vivo |
| Activator | Acciones automáticas cuando se cumple una condición |
Spark Structured Streaming (en Fabric y Azure Databricks) trata el flujo como una tabla que crece sin parar. Con Delta Lake, la misma tabla sirve como destino de streaming y fuente de consultas batch.
Visualización con Power BI
Toca un servicio para ver su detalle.
| Concepto de modelado | Qué es |
|---|---|
| Modelo semántico | Tablas relacionadas con medidas (valores numéricos) y dimensiones (por qué agrupar) |
| Tabla de hechos | Eventos con valores numéricos, como ventas |
| Tabla de dimensión | Entidades por las que se agrupa: producto, cliente, tiempo |
| Esquema en estrella / copo de nieve | Hechos unidos a dimensiones / dimensiones con tablas adicionales |
| Jerarquía | Permite drill-up y drill-down: año → mes → día |
| Direct Lake | Carga tablas Delta de OneLake en memoria sin copiarlas al modelo |
| Objetivo | Visualización |
|---|---|
| Muchos valores relacionados o una cifra clave | Tabla o tarjeta |
| Comparar categorías | Barras o columnas |
| Tendencia en el tiempo | Líneas |
| Proporción de un total | Circular |
| Relación entre dos medidas | Dispersión |
| Comparar ubicaciones | Mapa |
Tips para el día del examen
- Estructurado = esquema fijo (tablas). Semiestructurado = estructura flexible (JSON). No estructurado = documentos, imágenes, audio, video. Los datos vectoriales (embeddings) se usan para búsqueda semántica en IA.
- OLTP = muchas transacciones pequeñas con garantías ACID. OLAP = consultas de lectura que agregan grandes volúmenes de datos históricos.
- DBA = permisos, backups y rendimiento. Ingeniero de datos = pipelines e integración. Analista = modelos y reportes. AI engineer = soluciones con LLMs en Microsoft Foundry.
- DDL = CREATE, ALTER, DROP, RENAME. DCL = GRANT, DENY, REVOKE. DML = SELECT, INSERT, UPDATE, DELETE. UPDATE o DELETE sin WHERE afecta todas las filas.
- SQL en VM = IaaS, control total. Managed Instance = casi 100% compatible, ideal para migrar. SQL Database = PaaS para apps nuevas.
- Blob Storage: Cool mínimo 30 días, Cold 90, Archive 180. Archive está fuera de línea y la rehidratación puede tardar hasta 15 horas.
- Cosmos DB tiene 5 APIs: NoSQL (nativa), MongoDB, Table, Cassandra y Gremlin (grafos). Cosmos DB for PostgreSQL va en camino de retiro.
- Medallion: Bronze = datos en bruto, Silver = limpios, Gold = listos para el negocio. Delta Lake = Parquet + registro de transacciones (ACID).
- Batch = datos acumulados, latencia de horas, análisis complejo. Streaming = cada evento al llegar, latencia de segundos o milisegundos, cálculos simples.
- Líneas = tendencia en el tiempo. Barras/columnas = comparar categorías. Circular = parte de un total. Dispersión = correlación entre dos medidas. Mapa = datos por ubicación.
Pon a prueba lo que aprendiste de DP-900
Preguntas originales, cada una con su explicación.
Empezar un simulacro¿Te fue útil esta guía?