Sınav hakkında
DP-600: Implementing Analytics Solutions Using Microsoft Fabric sınavını geçenler Microsoft Certified: Fabric Analytics Engineer Associate unvanını alır. PL-300'ün bir üst basamağı gibi düşünülebilir: rapor yazmaktan çok veriyi hazırlamak, kurumsal anlam modeli kurmak ve çözümü yönetmek ölçülür. Geçme puanı 1000 üzerinden 700'dür.
Ölçülen beceriler
Ağırlıklar 9 Kasım 2026’da Microsoft Learn çalışma kılavuzundan doğrulandı. Kılavuzun son güncellemesi 30 Ekim 2026.
| Alan | Ağırlık | Başlıca konular | Bu uygulamada |
|---|---|---|---|
| Analitik çözümü planla, uygula ve yönet | %10–15 | Ortam ve kapasite seçimi, erişim, çalışma alanı, sürüm denetimi ve dağıtım | Çalışma alanı, Güvenlik, Yönetişim, Yaşam döngüsü |
| Veriyi hazırla ve sun | %40–45 | Veri alma, kopyalama, zamanlama, dönüşüm ve yükleme performansı | Lakehouse, Data Factory, İşlem hatları, T-SQL ve PySpark ödevleri |
| Anlam modellerini uygula ve yönet | %20–25 | Direct Lake, model ilişkileri, DAX, RLS/OLS ve performans | Kurumsal model, Fabric’te anlam modeli, DAX optimizasyonu |
| Veriyi keşfet ve analiz et | %20–25 | Profilleme, betimleyici ve tanısal analiz, tahmin ve SQL/XMLA ile sorgulama | SQL analizi, kapsam haritasındaki keşif dersleri ve ek sorgu pratiği |
Fabric'te Power BI uzmanının bilmesi gerekenler
- OneLake: Kuruluşun tek veri gölü; tüm Fabric öğeleri verisini burada Delta/Parquet olarak tutar. Kısayollar (shortcuts) veriyi kopyalamadan başka konumlara (ADLS, S3, başka lakehouse) bağlar.
- Lakehouse: Dosyalar + Delta tablolar; Spark not defterleri ve otomatik SQL analiz uç noktası.
- Warehouse: Tam T-SQL yazma desteği olan veri ambarı.
- Eventhouse / KQL veritabanı: Gerçek zamanlı ve zaman serisi verisi; KQL ile sorgulanır.
- Dataflow Gen2: Power Query'nin bulut sürümü; sonucu lakehouse/warehouse'a yazar.
- İşlem hattı (pipeline): Veri kopyalama ve düzenleme (orchestration).
Hangi veri deposu?
| İhtiyaç | Seçim |
|---|---|
| Yapılandırılmamış + yapılandırılmış veri, Spark ile mühendislik | Lakehouse |
| T-SQL ile yazma (INSERT/UPDATE), saklı yordamlar, SQL ekibi | Warehouse |
| Akış verisi, telemetri, log, saniyelik analiz | Eventhouse (KQL) |
Çalışma süreni planla
Veriyi hazırlama ve sunma en geniş alandır. Yükleme, zamanlama, dönüşüm ve performans için bir Fabric veri akışını uçtan uca kur. Veri keşfi alanında ise kaynakları profille, SQL ile bir bulguyu çıkar ve raporda nasıl sunulacağını açıkla.
Kapsam haritası mevcut ders ve soru bağlantılarını gösterir. “Ek pratik” etiketli KQL, DAX sorgusu ve Direct Lake ayrıntıları Fabric’i anlamaya yardımcı olur. Fabric ortamına erişimin varsa tasarım notunu gerçek çalıştırma ve mutabakat kanıtıyla tamamla.
Depo kararı: bir karar ağacı
- Veri saniyeler içinde akıyor mu? (telemetri, log, tıklama akışı) → Eventhouse / KQL veritabanı. Analiz katmanı için OneLake erişilebilirliğini açarsan aynı veri Delta olarak OneLake'te görünür ve kopyalamadan anlam modeline bağlanabilir.
- Ekip veriyi T-SQL ile yazacak mı? (INSERT, UPDATE, MERGE, çok tablolu işlemler, saklı yordamlar) → Warehouse.
- Dosya, yarı yapılandırılmış veri ya da Spark / Python mühendisliği var mı? → Lakehouse. Lakehouse'un SQL analiz uç noktası T-SQL ile okur; tablolara yazmaz.
- Veri başka bir yerde zaten var mı? (ADLS, başka bir lakehouse) → kopyalama, kısayol (shortcut) oluştur.
- Raporlar nasıl tüketecek? → Anlam modeli her zaman en üstte durur. Depolama modu kararı aşağıda.
Ayrıntılı tasarım Fabric'te yıldız şema ve Fabric'te veriyi hazırlamak derslerinde.
Direct Lake: OneLake mı, SQL uç noktası mı?
Direct Lake depolama modu için ek uygulama: OneLake ve SQL uç noktası yaklaşımlarını karşılaştır.
| Konu | Direct Lake on OneLake | Direct Lake on SQL |
|---|---|---|
| Kaynak | Bir ya da birden çok Fabric öğesi (kısayollar dahil) | SQL analiz uç noktası olan tek kaynak |
| DirectQuery'ye geri dönüş | Yok | Var (açıksa); kapalıysa sorgu hata verir |
| Import tablolarla karışım | Mümkün | Aynı modelde DirectQuery / Dual ile karışmaz |
| Ambardaki SQL RLS | Uygulanmaz; kullanıcının OneLake dosya erişimi gerekir | Uygulanır ama sorgular DirectQuery'ye düşer |
| Sınır (guardrail) aşılırsa | Yenileme başarısız; Delta tabloları optimize edilene kadar model sorgulanamaz | Uyarıyla devam eder, sorgular DirectQuery'ye düşer ve yavaşlar |
SQL uç noktasında geri dönüşü tetikleyenler: gerçekleştirilmemiş SQL görünümü, ambarda SQL tabanlı ayrıntılı erişim denetimi (SQL RLS dahil), henüz işlenmemiş tablo ve sınır aşımı. Direct Lake yenilemesi (framing) veri kopyalamaz; yalnızca en son Delta dosyalarına işaret eden meta veriyi günceller ve saniyeler sürer.
Aynı soru, üç dil: DAX, SQL, KQL
Soru: “2024'te en çok satan 5 ürün hangisi?” Anlam modelinde DAX sorgusu:
EVALUATE
TOPN(
5,
SUMMARIZECOLUMNS(
Urunler[Urun], Urunler[Kategori],
TREATAS({2024}, Tarih[Yil]),
"Net Satış 2024", [Net Satış]
),
[Net Satış 2024], DESC
)
ORDER BY [Net Satış 2024] DESC
Sonuç: 27" Monitör 59.992 ₺, Akıllı Saat 37.789 ₺, Türk Kahvesi Makinesi 34.744 ₺, Robot Süpürge 32.396 ₺, Yoga Matı 28.868 ₺. Aynı sorunun ambar ya da SQL uç noktası karşılığı:
SELECT TOP 5 u.Urun, u.Kategori, SUM(s.Tutar) AS NetSatis2024 FROM dbo.Satislar AS s JOIN dbo.Urunler AS u ON u.UrunNo = s.UrunNo WHERE s.Durum <> 'İptal' AND YEAR(s.Tarih) = 2024 GROUP BY u.Urun, u.Kategori ORDER BY NetSatis2024 DESC;
Eventhouse'ta bir satış olayı tablosu olsaydı KQL karşılığı:
SatisOlaylari | where Durum != "İptal" and Tarih between (datetime(2024-01-01) .. datetime(2024-12-31T23:59:59)) | summarize NetSatis2024 = sum(Tutar) by Urun, Kategori | top 5 by NetSatis2024 desc
| Dil | Nerede doğru? | Dikkat |
|---|---|---|
| DAX | İş kuralı anlam modelinde; tüm raporlar aynı tanımı kullanmalı | SQL'de “Net satış”ı yeniden yazmak iki tanım üretir |
| SQL | Dönüştürme, görünüm, saklı yordam, veri kalitesi kontrolü | SQL uç noktası salt okunur; yazma ambarda |
| KQL | Zaman serisi, log, yakın gerçek zamanlı analiz | Zaman aralığı filtresini erken uygula |
| Görsel sorgu düzenleyici | Kod yazmadan hızlı seçme, filtreleme, toplama | Karmaşık mantıkta SQL'e geç |
Anlam modeli kararları: sınavın sevdiği eşleşmeler
- Depolama modu: Delta tabloları OneLake'teyse önce Direct Lake; eski bir kaynak varsa DirectQuery ya da Import; boyutlar için Dual (Kurumsal model dersi).
- Artımlı yenileme: RangeStart / RangeEnd parametreleri; filtre kaynağa katlanmalı.
- Hesaplama grupları, dinamik biçim dizeleri, alan parametreleri: Hesaplama grupları dersinde.
- Pencere ve bilgi fonksiyonları: OFFSET, WINDOW, INDEX; ISINSCOPE, ISFILTERED gibi bilgi fonksiyonları (Pencere fonksiyonları dersi).
- Yaşam döngüsü: Git sürüm denetimi ve .pbip, dağıtım işlem hatları ve dağıtım kuralları, XMLA ile dağıtım, etki analizi (Yaşam döngüsü dersi).
Sınav stratejisi
Uygulamanın Sınavlar bölümündeki aday notlarına göre DP-600'de vaka çalışması çoğunlukla başta gelir ve geri dönülemez; sonda “aynı senaryo, farklı çözüm” evet/hayır serisi olur. T-SQL ağırlıklıdır. Plan: Sınavlar → DP-600 konu alıştırması ile alanları tek tek çalış, son iki haftada kısa ve tam denemeleri çöz. Her yanlışta kendine şu soruyu sor: kısıt neydi (en az çaba, en az ayrıcalık, kopyasız, gerçek zamana yakın)? Yanlış şık o kısıtın hangisini çiğniyordu?