MicrosoftDP-900FoundationalDataTillgänglig

Microsoft Azure Data Fundamentals

Core data concepts, relational and non-relational data on Azure, and analytics workloads with Microsoft Fabric, Databricks and Power BI.

Fristående övning – inte knuten till eller godkänd av Microsoft. DP-900 används bara för att identifiera provet. Varumärken

Officiella mål ↗Officiell provsida ↗

Arbetsyta DP-900

Frågor: 45
Poänggivande · utan poäng: 45 · 0
Tid: 45 min
Godkändgräns: 700 on 1–1000
Extra tid (ESL): +30 min

Områdesvikter

Andel poänggivande innehåll per område. Varje provtillfälle drar frågor enligt de här vikterna.

D1Describe core data concepts28 %23 begrepp
D2Identify considerations for relational data on Azure23 %20 begrepp
D3Describe considerations for working with non-relational data on Azure19 %17 begrepp
D4Describe an analytics workload30 %24 begrepp

Dina framsteg

Inga försök än. Gör ett helt prov för att få en bedömning av provberedskapen; resultaten sparas i den här webbläsaren. Gå med i din klass för att ha kvar dem på alla enheter.

Välj ett läge

Rekommenderade

Fullständig provsimulering

45 frågor · 45 minuter, 0 utan poäng och inte utmärkta. En fråga per skärm, flaggning och överstrykning, en granskningsvy och en resultatrapport per område – inga svar förrän du är klar.

ESL +30

Hela provet med 30 extra minuter (75 min) – anpassningen som personer med annat modersmål än engelska kan begära för prov på engelska.

Snabba 20

20 frågor · 20 min, samma vikter, alla ger poäng. En daglig kontroll.

Svaga punkter

20 frågor riktade mot dina svagaste områden, missade begrepp och repetitioner som är dags.

Bygg övning

Välj områden, ämnen, antal frågor och vilken pool (nya, fel, dags att repetera, låg säkerhet). Spridd repetition med säkerhetsbedömningar, flashkort och en felbok.

Öppna Öva

Områdesdrill

Ett område, upp till 20 frågor.

Hämtar provets frågor så att du kan öva utan anslutning.

Vad provet tar upp

Område 1: Describe core data concepts
28 %
Structured, semi-structured and unstructured data; file formats (CSV, JSON, Parquet, Avro, ORC); databases and Azure data stores; transactional versus analytical workloads; the roles of database administrators, data engineers and data analysts. Official range 25–30 %.
Öva område 1 →
Område 2: Identify considerations for relational data on Azure
23 %
Relational features, normalization, common SQL statements (DDL, DML, DCL) and database objects such as views, indexes and stored procedures; the Azure SQL family and Azure Database for PostgreSQL and MySQL. Official range 20–25 %.
Öva område 2 →
Område 3: Describe considerations for working with non-relational data on Azure
19 %
Azure Blob storage (access tiers, Data Lake Storage Gen2), Azure Files and Azure Table storage; Azure Cosmos DB use cases, global distribution and its APIs (NoSQL, MongoDB, PostgreSQL, Apache Cassandra, Apache Gremlin, Table). Official range 15–20 %.
Öva område 3 →
Område 4: Describe an analytics workload
30 %
Data ingestion and processing (ETL and ELT), analytical stores (data warehouse, data lake, lakehouse), Azure Databricks and Microsoft Fabric; batch versus streaming and real-time analytics; Power BI capabilities, data models and choosing visualizations. Official range 25–30 %.
Öva område 4 →

Områdenas namn och vikter kommer från den officiella DP-900 provmål (kontrollerad 2026-10-28). Kontrollera alltid den för det auktoritativa innehållet.

Innehåller 13 praktiska uppgifter (ordna, matcha, läs ett underlag) – öva på dem med filtret ”Ordna/matcha”.

Det riktiga provets fullständiga hot-area-simuleringar (labbar i ett riktigt gränssnitt) återskapas inte.

Källor · kontrollerad 2026-10-28

Officiella mål ↗Officiell provsida ↗

Exempelfrågor

Två av provets egenskrivna frågor, med förklaringen du får efter varje svar.

Exempel 1Välj ett

A retailer stores customer records where every row has the same columns: CustomerID, Name, City and Email. How is this data classified?

ASemi-structured data described by tags inside each record
BStreaming data that arrives as a series of events
CUnstructured data stored as binary large objects
DStructured data with a fixed schema of rows and columns

Visa svar & förklaring

Rätt svar: D. Structured data follows a fixed schema: every row has the same columns with defined data types, which is how relational tables store data.

Exempel 2Välj 2

Which TWO formats store data in a columnar layout that suits analytical queries? (Select TWO.)

AOptimized Row Columnar (ORC)
BJSON Lines
CApache Parquet
DComma-separated values (CSV)
EApache Avro

Visa svar & förklaring

Rätt svar: A, C. Parquet and ORC organize values by column, so analytical engines read only the columns a query needs and compress repeated values well.

Nästa steg och relaterat

Vart den här certifieringen brukar leda, och prov som täcker närliggande områden.