O Domínio 1 do conteúdo oficial do DP-900 inclui o item "Identificar armazenamentos de dados do Azure para casos de uso comuns". Como muitas perguntas da prova têm o formato "Qual serviço se encaixa melhor nesta situação?", essa habilidade volta a aparecer também nas perguntas dos outros domínios. Em vez de decorar nomes de serviços soltos, aprenda a ordem em que a escolha é restringida e você vai conseguir resolver cenários que nunca viu.
Este post funciona como o mapa da nossa série de estudos do DP-900. Os detalhes de cada serviço estão nos posts de dados relacionais, não relacionais e análise; aqui reunimos as três perguntas que guiam a escolha, um mapa dos serviços e os pares que a prova mais usa para confundir você.
---
Três perguntas para escolher um armazenamento de dados
Imagine que você está arrumando as coisas para uma mudança. Papéis vão para a pasta de documentos, roupas para o guarda-roupa, fotos e vídeos para um HD externo, e o calendário da família vai para a parede da sala. O que é, quem usa e como é usado decidem onde cada coisa fica. Um armazenamento de dados é escolhido na mesma ordem.
| Pergunta | Opções | Para onde aponta | |------|------|------| | 1. Qual é o formato dos dados? | Estruturados / semiestruturados / não estruturados | Banco de dados relacional / NoSQL / armazenamento de arquivos e objetos | | 2. Que tipo de carga de trabalho? | Transacional / analítica | Banco de dados operacional / data warehouse ou data lake | | 3. Responsabilidade de gestão e compatibilidade? | IaaS / PaaS / SaaS, manter ou não um mecanismo existente | VM / serviço gerenciado / Fabric, API compatível |
Dados estruturados são uma tabela com esquema fixo de linhas e colunas. Dados semiestruturados têm estrutura, mas são flexíveis, como documentos JSON, pares chave-valor e grafos. Dados não estruturados são arquivos sem estrutura própria, como imagens, vídeos e documentos. Mesmo com dados estruturados, muitas leituras e gravações pequenas, como o processamento de pedidos, pedem um armazenamento transacional, enquanto agregar anos de dados pede um armazenamento analítico.
Dica de prova: procure primeiro as palavras-chave da pergunta. "Documentos JSON, usuários no mundo todo" → Cosmos DB. "Manter os recursos existentes do SQL Server como estão" → SQL Managed Instance. "Acesso ao sistema operacional" → SQL Server em uma VM do Azure. "Imagens e vídeos" → Blob Storage. "Uma unidade compartilhada para vários servidores" → Azure Files.
---
Os armazenamentos de dados do Azure em resumo
O mapa abaixo agrupa os armazenamentos de dados do Azure em quatro blocos conforme o formato dos dados. A maioria das opções de resposta da prova sai desses blocos.
!Qual armazenamento de dados do Azure escolher?
| Serviço | Formato dos dados | Caso de uso típico | Modelo de serviço | |------|------|------|------| | Azure SQL Database | Estruturados | Novos aplicativos em nuvem | PaaS | | Azure SQL Managed Instance | Estruturados | Migrar instâncias existentes do SQL Server | PaaS | | SQL Server em uma VM do Azure | Estruturados | Migrações que exigem controle do sistema operacional | IaaS | | Azure Database for PostgreSQL e MySQL | Estruturados | Migrar aplicativos com bancos de código aberto | PaaS | | Azure Cosmos DB | Semiestruturados | Aplicativos NoSQL globais e de baixa latência | PaaS | | Azure Table Storage | Semiestruturados (chave-valor) | Dados chave-valor de grande volume e baixo custo | PaaS | | Azure Blob Storage | Não estruturados | Imagens, vídeos, backups | PaaS | | Azure Data Lake Storage Gen2 | Qualquer formato | Data lakes para análise | PaaS | | Azure Files | Arquivos | Unidades compartilhadas SMB e NFS | PaaS | | Fabric Warehouse e Lakehouse | Analíticos | Análise em data warehouse e lakehouse | SaaS | | Eventhouse e Azure Data Explorer | Logs e telemetria | Analisar grandes volumes de eventos com carimbo de data/hora | SaaS e PaaS |
---
Armazenamentos relacionais: Azure SQL e mecanismos de código aberto
Como escolher dentro da família Azure SQL
Azure SQL é uma família de três serviços baseados no mecanismo do SQL Server. Eles se diferenciam pela responsabilidade de gestão e pelo grau de compatibilidade com o SQL Server existente.
| Aspecto | Azure SQL Database | Azure SQL Managed Instance | SQL Server em uma VM do Azure | |------|------|------|------| | Modelo de serviço | PaaS | PaaS | IaaS | | Compatibilidade com SQL Server | Recursos principais no nível do banco de dados | Quase 100% com o SQL Server Enterprise | Totalmente compatível | | Gestão | Atualizações e backups automáticos | Atualizações e backups automáticos | Você gerencia o sistema operacional e o SQL Server | | Escolha quando | Criar um aplicativo novo na nuvem | Migrar com mudanças mínimas no aplicativo | Precisar de acesso ao sistema operacional e controle total |
O Azure SQL Database oferece várias opções de implantação: banco de dados único; pool elástico (elastic pool), em que vários bancos com picos de uso em momentos diferentes compartilham recursos; uma camada de computação sem servidor que ajusta a computação automaticamente conforme a demanda; e a camada de serviço Hyperscale, que suporta bancos de até 128 TB. Colocar no mesmo pool um banco de folha de pagamento que só fica ocupado no fim do mês e um banco de relatórios que só fica ocupado no meio do mês reduz o custo.
Mecanismos de código aberto
Aplicativos que usam MySQL ou PostgreSQL podem migrar para o Azure Database for MySQL e o Azure Database for PostgreSQL sem grandes mudanças de código. O MySQL é muito usado em aplicativos web da pilha LAMP, e o PostgreSQL é um banco objeto-relacional capaz de lidar com tipos de dados personalizados e dados geométricos, como formas. Os dois serviços oferecem backups automáticos e restauração pontual de até 35 dias (sete por padrão).
O Azure Database for MariaDB, que aparece em materiais antigos, está em processo de desativação e a Microsoft recomenda migrar para o MySQL, e o Azure SQL Edge para dispositivos IoT de borda foi desativado em 30 de setembro de 2025. Nenhum dos dois aparece nos módulos de aprendizagem atuais.
Dica de prova: "Migrar uma instância local do SQL Server com mudanças mínimas, mas sem gerenciar uma VM" → SQL Managed Instance. "Um aplicativo da pilha LAMP" → Azure Database for MySQL. "Reduzir o custo de vários bancos com uso imprevisível" → pool elástico.
---
Armazenamentos não relacionais: Azure Storage e Cosmos DB
Bancos de dados não relacionais costumam ser agrupados em quatro tipos. Ver qual serviço ou API do Azure corresponde a cada tipo ajuda você a eliminar opções de resposta rapidamente.
| Modelo de dados | Características | Opções no Azure | |------|------|------| | Chave-valor | Um valor por chave única | Azure Table Storage, Cosmos DB for Table | | Documento | Chave-valor em que o valor é um documento JSON | Cosmos DB for NoSQL, Cosmos DB for MongoDB | | Família de colunas | Tabelas cujas colunas são agrupadas logicamente | Cosmos DB for Apache Cassandra | | Grafo | Nós e relacionamentos (arestas) | Cosmos DB for Apache Gremlin | | Arquivos e objetos | Arquivos em qualquer formato | Blob Storage, Azure Files, Data Lake Storage Gen2 |
O Table Storage e o Cosmos DB for Table compartilham o mesmo modelo de programação, então dá para migrar de um para o outro quase sem mudar o código. Escolher o Cosmos DB for Table traz distribuição global, indexação automática de todas as propriedades e mais desempenho e disponibilidade. Para um armazenamento chave-valor simples e barato, o Table Storage é suficiente.
Dica de prova: "Consultar seguindo conexões, como relações de amizade em uma rede social" → grafo (Gremlin). "Levar uma carga de trabalho existente do Cassandra para um serviço gerenciado" → Cosmos DB for Apache Cassandra.
---
Armazenamentos analíticos
Um armazenamento analítico é para onde os dados dos sistemas transacionais são levados para serem agregados em grande escala. As plataformas citadas no conteúdo atual da prova são o Microsoft Fabric e o Azure Databricks.
| Armazenamento | Escolha quando | |------|------| | Fabric Warehouse | Analisar dados estruturados com T-SQL e relatórios para muitos usuários simultâneos | | Fabric Lakehouse | Dados semiestruturados ou mistos, Spark e notebooks, aprendizado de máquina | | Azure Databricks | Trabalho com Spark centrado em código, a mesma plataforma em várias nuvens | | Eventhouse e Azure Data Explorer | Consultar rapidamente logs e telemetria com carimbo de data/hora usando KQL |
Como os dados são organizados em fatos e dimensões dentro de um armazenamento analítico continua em Esquema estrela e modelos de dados analíticos.
---
Pares que a prova costuma usar para confundir
Quando duas opções de resposta parecem igualmente razoáveis, use estas pistas para diferenciá-las.
| Comparação | Pistas para a primeira | Pistas para a segunda | |------|------|------| | Blob Storage vs Data Lake Storage Gen2 | Guardar objetos como imagens e backups | Um lake de análise que precisa de hierarquia de pastas e permissões por arquivo | | Blob Storage vs Azure Files | Objetos que os aplicativos leem e gravam via HTTP | Um compartilhamento SMB ou NFS que vários servidores montam como unidade | | Table Storage vs Cosmos DB for Table | Chave-valor simples e barato | Distribuição global, indexação automática, mais desempenho | | SQL Database vs SQL Managed Instance | Um aplicativo novo na nuvem | Manter quase como estão os recursos de uma instância do SQL Server | | SQL Managed Instance vs SQL Server em VM | Alta compatibilidade sem gerenciar o sistema operacional | Acesso ao sistema operacional e controle total | | Cosmos DB for NoSQL vs for MongoDB | A API padrão para aplicativos novos | Reaproveitar drivers e código existentes do MongoDB | | Fabric Lakehouse vs Fabric Warehouse | Dados semiestruturados, Spark, notebooks | Dados estruturados, T-SQL, muitos usuários simultâneos | | Azure SQL Database vs A