通过

考试 DP-600 的学习指南：使用 Microsoft Fabric 实现分析解决方案

  • 项目

本文档的目的

本学习指南应帮助你了解考试的预期内容，并包含考试可能涵盖的主题摘要以及指向其他资源的链接。 本文档中的信息和材料可以帮助你在准备考试时集中精力学习。

有用链接 说明
查看自 2024 年 7 月 22 日起测试的技能 此列表表示在提供的日期之后测试的技能。 如果你计划在该日期之后参加考试，请学习此列表。
查看 2024 年 7 月 22 日之前测试的技能 如果在提供的日期之前参加考试，请学习此技能列表。
更改日志 如果想要查看将在提供的日期所做的更改，可以直接转到更改日志。
如何获得认证 有些认证只需要通过一项考试，而另一些认证则需要通过多项考试。
认证续订 Microsoft 助理、专业和专家认证每年都会过期。 你可以通过 Microsoft Learn 上的免费在线评估进行续订。
Microsoft Learn 个人资料 通过将认证个人资料连接到 Microsoft Learn，可以安排和续订考试以及共享和打印证书。
考分和成绩报告 需要 700 分或更高的分数才能通过。
考试沙盒 可以通过访问我们的考试沙盒来探索考试环境。
请求便利设施 如果你使用辅助设备、需要额外时间或需要修改考试体验的任何部分，你可以申请住宿。
进行免费的练习评估 通过练习题测试技能，帮助你为考试做准备。

关于考试

我们的考试会定期更新，以反映执行某一角色所需的技能。 我们提供了两个版本的技能测评目标，具体取决于你参加考试的时间。

我们始终首先更新考试的英语版本。 一些考试已本地化为其他语言，在英语版本更新后大约八周进行更新。 虽然 Microsoft 会尽一切努力更新本地化版本，但有时考试的本地化版本可能未按此计划进行更新。 其他可用语言列在“考试详细信息”网页的“安排考试”部分。 如果考试不以你的首选语言提供，你可以请求额外 30 分钟时间来完成考试。

注意

每项技能下面的项目符号旨在说明我们如何评估该技能。 考试中可能会涉及到相关的主题。

注意

大多数问题都涉及正式发布 (GA) 的功能。 如果经常使用预览功能，该考试可能会包含有关这些功能的问题。

自 2024 年 7 月 22 日起测试的技能

受众概况

作为参加此考试的考生，你应具有设计、创建和部署企业级数据分析解决方案的学科专业知识。

此角色的职责包括使用 Microsoft Fabric 组件将数据转换为可重用分析资产，例如：

  • 湖屋

  • 数据仓库

  • 笔记本

  • 数据流

  • 数据管道

  • 语义模型

  • 报表

在 Fabric 中实现分析最佳做法，包括版本控制和部署。

若要作为 Fabric 分析工程师实现解决方案，请与其他角色合作，例如：

  • 解决方案架构师

  • 数据工程师

  • 数据科学家

  • AI 工程师

  • 数据库管理员

  • Power BI 数据分析师

除了深入使用 Fabric 平台外，你还需要具备以下方面的经验：

  • 数据建模

  • 数据转换

  • 基于 Git 的源代码管理

  • 探索性分析

  • 编程语言，包括结构化查询语言 (SQL)、数据分析表达式 (DAX) 和 PySpark

技能概览

  • 规划、实现和管理数据分析解决方案 (10 - 15%)

  • 准备和提供数据 (40 - 45%)

  • 实现和管理语义模型 (20 - 25%)

  • 浏览和分析数据 (20 - 25%)

规划、实现和管理数据分析解决方案 (10 - 15%)

规划数据分析环境

  • 确定解决方案的要求，包括组件、功能、性能和容量库存单位 (SKU)

  • 在 Fabric 管理门户中推荐设置

  • 选择数据网关类型

  • 创建自定义 Power BI 报表主题

实现和管理数据分析环境

  • 为 Fabric 项实现工作区和项级访问控制

  • 为工作区、仓库和湖屋实现数据共享

  • 在语义模型和湖屋中管理敏感度标签

  • 配置已启用 Fabric 的工作区设置

  • 管理 Fabric 容量并配置容量设置

管理分析开发生命周期

  • 为工作区实现版本控制

  • 创建和管理 Power BI Desktop 项目 (.pbip)

  • 规划和实现部署解决方案

  • 从湖屋、数据仓库、数据流和语义模型对下游依赖项执行影响分析

  • 使用 XMLA 终结点部署和管理语义模型

  • 创建和更新可重用的资产，包括 Power BI 模板 (.pbit) 文件、Power BI 数据源 (.pbids) 文件和共享语义模型

准备和提供数据 (40 - 45%)

在湖屋或仓库中创建对象

  • 使用数据管道、数据流或笔记本引入数据

  • 创建和管理快捷方式

  • 为湖屋中的分析工作负荷实现文件分区

  • 创建视图、功能和存储过程

  • 通过添加新列或表来扩充数据

复制数据

  • 选择用于将数据从 Fabric 数据源复制到湖屋或仓库的适当方法

  • 使用数据管道、数据流或笔记本复制数据

  • 使用数据流时实现快速复制

  • 向数据管道添加存储过程、笔记本和数据流

  • 计划数据管道

  • 计划数据流和笔记本

转换数据

  • 实施数据清理过程

  • 为湖屋或仓库实现星型架构，包括类型 1 和类型 2 渐变维度

  • 为湖屋或仓库实现桥接表

  • 非规范化数据

  • 聚合或取消聚合数据

  • 合并或联接数据

  • 标识并解决重复数据、缺失数据或 null 值的问题

  • 使用 SQL 或 PySpark 转换数据类型

  • 筛选数据

优化性能

  • 标识并解决数据流、笔记本和 SQL 查询中的数据加载性能瓶颈

  • 实现数据流、笔记本和 SQL 查询的性能改进

  • 确定并解决 Delta 表文件的结构或大小问题（包括 v-order 和优化写入）

实现和管理语义模型 (20 - 25%)

设计和生成语义模型

  • 选择存储模式，包括 Direct Lake

  • 确定 DAX Studio 和表格编辑器 2 的用例

  • 为语义模型实现星型架构

  • 实现关系，例如桥接表和多对多关系

  • 编写使用 DAX 变量和函数的计算，例如迭代器、表筛选、窗口化和信息函数

  • 实现计算组、动态字符串和字段参数

  • 设计并生成大型格式数据集

  • 设计并生成复合模型，包括聚合

  • 实现动态行级别安全性和对象级安全性

  • 验证行级别安全性和对象级安全性

优化企业级语义模型

  • 在查询和报表视觉对象中实现性能改进

  • 使用 DAX Studio 改进 DAX 性能

  • 使用表格编辑器 2 优化语义模型

  • 实现增量刷新

浏览和分析数据 (20 - 25%)

执行探索性分析

  • 实现描述性分析和诊断性分析

  • 将规范性分析和预测性分析集成到视觉对象或报表中

  • 配置文件数据

使用 SQL 查询数据

  • 使用 SQL 查询或视觉对象查询编辑器在 Fabric 中查询湖屋

  • 使用 SQL 查询或视觉对象查询编辑器在 Fabric 中查询仓库

  • 使用 XMLA 终结点连接到数据集并查询数据集

学习资源

我们建议你在参加考试之前进行培训并获得实践经验。 我们提供自学选项和课堂培训，以及指向文档、社区网站和视频的链接。

学习资源 学习和文档链接
参加培训 从自定进度学习路径和模块中进行选择，或参加讲师引导式课程
查找文档 Microsoft Fabric
什么是湖屋？
什么是数据仓库？
数据仓库和分析
提问 Microsoft Q&A | Microsoft Docs
获取社区支持 Azure 上的分析 - Microsoft Tech Community
Microsoft Fabric 博客
关注 Microsoft Learn Microsoft Learn - Microsoft Tech Community
查找视频 备考区
公开的数据
浏览其他 Microsoft Learn 节目

更改日志

理解表的关键：主题组（也称为功能组）以粗体字样显示，后跟每个组中的目标。 下表比较了两个版本的考试测评技能，第三列描述了更改程度。

2024 年 7 月 22 日之前的技能领域 自 2024 年 7 月 22 日起的技能领域 更改
受众概况 次要
规划、实现和管理数据分析解决方案 规划、实现和管理数据分析解决方案 没有变化
规划数据分析环境 规划数据分析环境 没有变化
实现和管理数据分析环境 实现和管理数据分析环境 次要
管理分析开发生命周期 管理分析开发生命周期 没有变化
准备和提供数据 准备和提供数据 没有变化
在湖屋或仓库中创建对象 在湖屋或仓库中创建对象 没有变化
复制数据 复制数据 次要
转换数据 转换数据 没有变化
优化性能 优化性能 次要
实现和管理语义模型 实现和管理语义模型 没有变化
设计和生成语义模型 设计和生成语义模型 没有变化
优化企业级语义模型 优化企业级语义模型 没有变化
浏览和分析数据 浏览和分析数据 没有变化
执行探索性分析 执行探索性分析 没有变化
使用 SQL 查询数据 使用 SQL 查询数据 没有变化

2024 年 7 月 22 日之前测试的技能

受众概况

作为参加此考试的考生，你应具有设计、创建和部署企业级数据分析解决方案的学科专业知识。

此角色的职责包括使用 Microsoft Fabric 组件将数据转换为可重用分析资产，例如：

  • 湖屋

  • 数据仓库

  • 笔记本

  • 数据流

  • 数据管道

  • 语义模型

  • 报表

在 Fabric 中实现分析最佳做法，包括版本控制和部署。

若要作为 Fabric 分析工程师实现解决方案，请与其他角色合作，例如：

  • 解决方案架构师

  • 数据工程师

  • 数据科学家

  • AI 工程师

  • 数据库管理员

  • Power BI 数据分析师

除了深入使用 Fabric 平台外，你还需要具备以下方面的经验：

  • 数据建模

  • 数据转换

  • 基于 Git 的源代码管理

  • 探索性分析

  • 语言，包括结构化查询语言 (SQL)、数据分析表达式 (DAX) 和 PySpark

技能概览

  • 规划、实现和管理数据分析解决方案 (10 - 15%)

  • 准备和提供数据 (40 - 45%)

  • 实现和管理语义模型 (20 - 25%)

  • 浏览和分析数据 (20 - 25%)

规划、实现和管理数据分析解决方案 (10 - 15%)

规划数据分析环境

  • 确定解决方案的要求，包括组件、功能、性能和容量库存单位 (SKU)

  • 在 Fabric 管理门户中推荐设置

  • 选择数据网关类型

  • 创建自定义 Power BI 报表主题

实现和管理数据分析环境

  • 为 Fabric 项实现工作区和项级访问控制

  • 为工作区、仓库和湖屋实现数据共享

  • 在语义模型和湖屋中管理敏感度标签

  • 配置已启用 Fabric 的工作区设置

  • 管理 Fabric 容量

管理分析开发生命周期

  • 为工作区实现版本控制

  • 创建和管理 Power BI Desktop 项目 (.pbip)

  • 规划和实现部署解决方案

  • 从湖屋、数据仓库、数据流和语义模型对下游依赖项执行影响分析

  • 使用 XMLA 终结点部署和管理语义模型

  • 创建和更新可重用的资产，包括 Power BI 模板 (.pbit) 文件、Power BI 数据源 (.pbids) 文件和共享语义模型

准备和提供数据 (40 - 45%)

在湖屋或仓库中创建对象

  • 使用数据管道、数据流或笔记本引入数据

  • 创建和管理快捷方式

  • 为湖屋中的分析工作负荷实现文件分区

  • 创建视图、功能和存储过程

  • 通过添加新列或表来扩充数据

复制数据

  • 选择用于将数据从 Fabric 数据源复制到湖屋或仓库的适当方法

  • 使用数据管道、数据流或笔记本复制数据

  • 向数据管道添加存储过程、笔记本和数据流

  • 计划数据管道

  • 计划数据流和笔记本

转换数据

  • 实施数据清理过程

  • 为湖屋或仓库实现星型架构，包括类型 1 和类型 2 渐变维度

  • 为湖屋或仓库实现桥接表

  • 非规范化数据

  • 聚合或取消聚合数据

  • 合并或联接数据

  • 标识并解决重复数据、缺失数据或 null 值的问题

  • 使用 SQL 或 PySpark 转换数据类型

  • 筛选数据

优化性能

  • 标识并解决数据流、笔记本和 SQL 查询中的数据加载性能瓶颈

  • 实现数据流、笔记本和 SQL 查询的性能改进

  • 标识并解决 Delta 表文件大小的问题

实现和管理语义模型 (20 - 25%)

设计和生成语义模型

  • 选择存储模式，包括 Direct Lake

  • 确定 DAX Studio 和表格编辑器 2 的用例

  • 为语义模型实现星型架构

  • 实现关系，例如桥接表和多对多关系

  • 编写使用 DAX 变量和函数的计算，例如迭代器、表筛选、窗口化和信息函数

  • 实现计算组、动态字符串和字段参数

  • 设计并生成大型格式数据集

  • 设计并生成复合模型，包括聚合

  • 实现动态行级别安全性和对象级安全性

  • 验证行级别安全性和对象级安全性

优化企业级语义模型

  • 在查询和报表视觉对象中实现性能改进

  • 使用 DAX Studio 改进 DAX 性能

  • 使用表格编辑器 2 优化语义模型

  • 实现增量刷新

浏览和分析数据 (20 - 25%)

执行探索性分析

  • 实现描述性分析和诊断性分析

  • 将规范性分析和预测性分析集成到视觉对象或报表中

  • 配置文件数据

使用 SQL 查询数据

  • 使用 SQL 查询或视觉对象查询编辑器在 Fabric 中查询湖屋

  • 使用 SQL 查询或视觉对象查询编辑器在 Fabric 中查询仓库

  • 使用 XMLA 终结点连接到数据集并查询数据集