Microsoft Fabric Data Engineer Associate
225 שאלות תרגול
נבדק לאחרונה: April 2026
הערות אישיות וקישורים למשאבים למסע הלמידה שלך
סנן לפי הסמכה
DP-700 הוא הסמכה ברמת Associate של מיקרוסופט עבור מהנדסי נתונים הבונים צינורות אנליטיקה בסביבת ייצור ב-Microsoft Fabric. הוא מאמת את היכולת ליישם ולנהל פתרונות אנליטיקה, להזרים ולשנות נתונים בקנה מידה גדול, ולנטר ולמטב עומסי עבודה ב-Fabric. קהל היעד הם מהנדסי נתונים פעילים המרחיבים את ניסיונם מ-Synapse / Databricks / Data Factory לפלטפורמת Fabric המאוחדת. בהשוואה ל-DP-600, ה-DP-700 מתמקד יותר בעומק ההנדסי — צינורות, סטרימינג, ביצועים ותפעול — ופחות במידול סמנטי. צפו ל-40–60 שאלות ב-120 דקות, כולל גרירה ושחרור של השלמת קוד (PySpark, T-SQL, KQL), פריטי תרחיש ולפחות מקרה בוחן אחד. DP-700 יצא לזמינות כללית (GA) בספטמבר 2024; חומרי ההכנה ממשיכים להתפתח.
כ-32%. ניהול סביבת עבודה וקיבולת, צינורות פריסה ושילוב Git, אבטחה (RLS / OLS, תוויות רגישות, תפקידי סביבת עבודה), דומייני Fabric, וניהול מחזור חיים עבור פריטים הנדסיים.
הדומיין הגדול ביותר ב-34%. צינורות, dataflows Gen2, מחברות (PySpark / T-SQL / KQL), Eventstreams לסטרימינג, קיצורי דרך, שיקוף (mirroring), ארכיטקטורת מדליון, טעינות מצטברות ותבניות CDC.
כ-34%. מרכז ניטור, Spark UI, תובנות שאילתות, ויסות קיבולת ו-bursting, כיוונון ביצועים על פני lakehouse / warehouse / KQL DB, וניהול עלויות / קיבולת.
שירותים שתפגוש במבחן ומדוע כל אחד מהם חשוב.
פלטפורמת אנליטיקה מאוחדת מבוססת SaaS המשלבת אינג׳סטיה, הנדסת נתונים, מחסני נתונים, אנליטיקה בזמן אמת ו-BI במודל תמחור יחיד מבוסס קיבולת.
מדוע הוא במבחן: שירות המטריה לכל שאלה ב-DP-700 — דומיין 1 (Implement and Manage an Analytics Solution) בוחן קביעת גודל קיבולת, הגדרת Workspace ובחירת סוג פריט.
Data Lake יחיד מנוהל SaaS המסופק אוטומטית לכל Tenant, מאחסן את כל פריטי Fabric בפורמט Delta-Parquet פתוח עם גישת cross-workspace מבוססת Shortcuts.
מדוע הוא במבחן: דומיין 1 + דומיין 2 בוחנים את OneLake כמצע האחסון שכל עומסי העבודה של Fabric קוראים ממנו — צפו לשאלות על Shortcuts, סמנטיקת קבצים לעומת טבלאות, ושימוש חוזר בעותק יחיד.
פריט Fabric המשלב מאגר טבלאות Delta Lake עם אזור Files לא מנוהל, שניתן לשאול שאילתות ממנו באמצעות Spark, T-SQL (נקודת קצה של SQL analytics) או Direct Lake מ-Power BI.
מדוע הוא במבחן: דומיין 2 (Ingest and Transform Data) בוחן שוב ושוב מתי להנחית נתונים ב-Lakehouse לעומת Warehouse — פריסת קבצים/טבלאות, סכמות ותבניות קריאה.
מחסן נתונים Fabric T-SQL עם טרנזקציות ACID מלאות, כתיבות מרובות טבלאות, וארכיטקטורת אחסון/מחשוב מופרדת הכותבת Parquet ל-OneLake.
מדוע הוא במבחן: דומיין 1 בוחן בחירת Warehouse לעומת Lakehouse — בחרו Warehouse כאשר עומס העבודה דורש T-SQL DML מלא, טרנזקציות מרובות הצהרות, או היכרות צוותי BI.
עומס עבודה של Fabric לאינג׳סטיה המציע Dataflows Gen2 (Power Query low-code בקנה מידה) ו-Pipelines (אורקסטרטור עם 200+ מחברים ופעילויות Copy/Transform).
מדוע הוא במבחן: דומיין 2 נשלט על ידי Data Factory — צפו לשאלות על Dataflow Gen2 staging, פעילויות Pipelines, פרמטריזציה ובחירת מחברים.
אורקסטרטור Workflow בתוך Fabric Data Factory המשרשר פעילויות Copy, Dataflow, Notebook, Stored Procedure ו-control-flow עם תזמון וטריגרים.
מדוע הוא במבחן: דומיין 2 בוחן את Pipelines כדרך הקנונית להפעיל אינג׳סטיה + טרנספורמציה רב-שלבית על פני יעדי Lakehouse ו-Warehouse.
עומס עבודה של Fabric המספק Spark notebooks מנוהלים, Spark Job Definitions ונקודות קצה של Livy להנדסת נתונים בקנה מידה גדול מול Lakehouse.
מדוע הוא במבחן: דומיין 2 מציין Spark notebooks כתשובה כאשר הטרנספורמציה דורשת קוד Python/Scala/SQL/R מעבר למה ש-Dataflow Gen2 יכול לבטא.
עומס עבודה של Fabric הבנוי על מנוע Kusto — Eventhouse / KQL Database לאחסון, Eventstreams לאינג׳סטיה, ו-Real-Time Dashboards להדמיה.
מדוע הוא במבחן: דומיין 2 + דומיין 3 מכסים אינג׳סטיית streaming ושאילתות בתת-שנייה כתסריט מהמעלה הראשונה; Real-Time Intelligence היא התשובה המצוינת של Fabric.
זמן ריצה של Spark מנוהל Fabric עם Starter Pools, Custom Pools, האצת מנוע ביצוע Native, וניהול ספריות בהיקף Workspace או Session.
מדוע הוא במבחן: דומיין 3 (Monitor and Optimize) בוחן קביעת גודל Spark pool, מצב Session לעומת High-Concurrency, ואפשרויות כוונון כמו מנוע הביצוע Native.
שפת שאילתות לקריאה בלבד עבור נתוני Time-series ולוגים — המשטח האנליטי של Fabric Real-Time Intelligence, Azure Data Explorer ו-Azure Monitor Logs.
מדוע הוא במבחן: דומיין 2 + דומיין 3 מצפים לשליטה ב-KQL לשאילתות על נתוני Eventhouse וכתיבת מדיניות עדכון, Materialized Views ו-Continuous Exports.
שכבת אחסון ACID בקוד פתוח על Parquet — פורמט הטבלה הבסיסי עבור טבלאות Fabric Lakehouse, Warehouse ו-OneLake Shortcuts.
מדוע הוא במבחן: דומיין 2 + דומיין 3 מתייחסים לתכונות Delta (V-Order, Z-Ordering, OPTIMIZE, VACUUM, Time Travel) כאפשרויות האופטימיזציה הזמינות למהנדס הנתונים.
מצב אחסון של מודל סמנטי ב-Power BI הקורא קבצי Delta-Parquet ישירות מ-OneLake — ללא רענון Import, ללא לייטנסי של DirectQuery.
מדוע הוא במבחן: שאלות בדומיין 1 על עיצוב מודלים סמנטיים בוחנות מתי Direct Lake עדיף על פני Import או DirectQuery עבור דיווח המגובה ב-Lakehouse/Warehouse.
פריט אינג׳סטיית streaming ב-Drag-and-Drop הלוכד אירועים בזמן אמת מ-Event Hubs, IoT Hub, Kafka, מקורות CDC ומנתב אותם ל-Eventhouse, Lakehouse או Custom Sinks.
מדוע הוא במבחן: דומיין 2 בוחן את Eventstream כנתיב ה-low-code הקנוני לאינג׳סטיית streaming לתוך Fabric — לעומת קוד Spark Structured Streaming מותאם אישית.
הפניות של OneLake לנתונים הנמצאים ב-ADLS Gen2, Amazon S3, Google Cloud Storage, Dataverse, או OneLake אחר — גישת Zero-Copy מכל עומס עבודה של Fabric.
מדוע הוא במבחן: דומיין 1 + דומיין 2 מעדיפים Shortcuts בתרחישי "אינג׳סטיה ללא העתקה"; צפו לשאלות המבחינות בין Shortcuts ל-Copy Pipelines.
משטח observability מרכזי עבור Pipelines, Dataflows, Notebooks, מודלים סמנטיים ו-Eventstreams — ריצות אחרונות, שגיאות, משכי זמן ופעולות Re-run.
מדוע הוא במבחן: דומיין 3 מוביל עם Monitoring Hub ככלי החקירה הראשון כאשר שאלה שואלת "היכן בודקים מדוע הריצה נכשלה".
יחידת רכישת מחשוב (F2 → F2048 / P-SKUs) הנמדדת ב-Capacity Units ושולטת על תפוקת עומסי עבודה מקבילים, Smoothing ו-Bursting על פני פריטי Fabric.
מדוע הוא במבחן: דומיין 3 בוחן קביעת גודל Capacity, Throttling, Smoothing Windows, והתנהגות Bursting/Overload שמהנדס הנתונים חייב לתכנן עבורה.
ספק זהויות מבוסס ענן המאמת משתמשי Fabric, Service Principals ו-Managed Identities המשמשים את Pipelines, Notebooks ומחברי Eventstream.
מדוע הוא במבחן: דומיין 1 בוחן תפקידי Workspace מונעי Entra, הרשאות ברמת הפריט, ואימות OAuth/Service-Principal על מחברים חיצוניים.
היררכיית קונטיינרים לוגית: Domains מקבצים Workspaces קשורים, המכילים פריטי Fabric עם הקצאות תפקידים (Admin/Member/Contributor/Viewer) וקישור קיבולת.
מדוע הוא במבחן: דומיין 1 מצפה ל-Workspace + Domain כפרמיטיבים לבקרת גישה וארגון להפרדת סביבות Dev/Test/Prod ובעלות על מוצרי נתונים.
שירות Data Governance הסורק אוטומטית Workspaces של Fabric עבור Catalog Metadata, Lineage Tracking על פני פריטים, והפצת Sensitivity Labels.
מדוע הוא במבחן: דומיין 1 + דומיין 3 מצטטים את Purview כאשר תרחיש דורש Lineage מקצה לקצה מהמקור דרך Pipeline ועד לדוח Power BI, או מדיניות גישה מבוססת Label.
מאגר מנוהל של Secrets, Keys ו-Certificates שאליו מפנים Fabric connection credentials, Customer-Managed Encryption Keys ו-Notebook secrets.
מדוע הוא במבחן: דומיין 2 מצפה ל-Key Vault כתשובה כאשר שאלה שואלת כיצד לאחסן ולסובב את פרטי הכניסה של מסד נתונים/Service Principal המשמשים את Fabric Pipelines.
$110k–$150k–$210k USD שנתי
הטווח מכסה מהנדסי נתונים ברמת ביניים עד בכירה בארה"ב; נתוני שכר ספציפיים ל-Fabric עדיין דלילים בהתחשב בזמינות הכללית בספטמבר 2024, ולכן הנתונים מתבססים על תפקידי מהנדס נתונים דומים ב-Azure / Databricks. מהנדסי נתונים בכירים בחברות FAANG / פינטק / חברות ייעוץ גדולות של שותפי מיקרוסופט מרוויחים לעיתים קרובות מעל 230 אלף דולר בסך הכל (TC).
מקור: levels.fyi תפקידי מהנדס נתונים / מהנדס פלטפורמת נתונים 2025, U.S. BLS OEWS מאי 2024 (15-1242 database administrators, 15-1252 software developers), Glassdoor 2025. הנתונים משוערים; התגמול בפועל תלוי בתפקיד, באזור ובניסיון.
DP-700 הוא ההסמכה ההנדסית המלווה ל-DP-600 והגיעה כאשר אימוץ Microsoft Fabric הואץ מסוף 2024 לתוך 2026. מגייסים בחברות ייעוץ שותפות של מיקרוסופט, בארגוני פלטפורמות נתונים גדולים, ובארגונים המאחדים השקעות Synapse / Databricks אל Fabric, החלו לרשום את DP-700 כהסמכה מועדפת. הוא משתלב באופן טבעי עם DP-600 עבור מהנדסים המשלבים עבודת הנדסה ואנליטיקה, עם DP-203 (שעדיין פעיל במהלך מעבר ה-Fabric) עבור סביבות Synapse / Fabric היברידיות, ועם DP-300 עבור מהנדסים החוצים לתחום ה-DBA. אזהרה: כהסמכה חדשה לגמרי, תדירות משרות ונתוני שכר עדיין מתפתחים — צפו שהביקוש יתחזק עוד יותר עד 2026.
אין דרישות קדם רשמיות. מיקרוסופט ממליצה על ניסיון מעשי בהנדסת נתונים ברמת מתרגל עם Synapse, Databricks, או Data Factory, בתוספת שליטה מעשית בלפחות אחת מהשפות PySpark, T-SQL, או KQL — DP-700 אינה בחינה ברמת מתחילים. מועמדים המגיעים מ-DP-203 (Azure Data Engineer Associate, עדיין פעיל) מוצאים בדרך כלל את תחום ההזרמה / שינוי טבעי. DP-900 הוא כלי עזר קונספטואלי שימושי עבור מועמדים חדשים לשירותי נתונים של Azure; DP-600 משלים מאוד עבור מהנדסים שרוצים גם הסמכות הנדסיות וגם הסמכות של מהנדס אנליטיקה.
המסלול הרשמי של Microsoft Learn מכסה את כל שלושת התחומים בכ-35–45 שעות. זמן עבודה מעשי בקיבולת ניסיון של Fabric (ניסיון חינם למשך 60 יום) נדרש למעשה — שאלות DP-700 מתגמלות מועמדים שבנו בפועל צינורות מדליון, הגדירו Eventstreams, וכיוונו מחברות Spark. חומרים של צד שלישי עדיין דלילים; הסתמכו בעיקר על Microsoft Learn ועל הערכת התרגול הרשמית.
DP-700 נמצא ברמת Associate ונחשב באופן כללי לאחת מבחינות ה-Associate המאתגרות יותר, בהתחשב ברוחב שטח הפנים ההנדסי של Fabric. תכננו 80–120 שעות לימוד על פני 8–12 שבועות עם ניסיון קודם בהנדסת נתונים; זמן ארוך משמעותית אם הנדסת נתונים עם Spark / SQL חדשה לכם. הבחינה נמשכת 120 דקות — יותר מרוב בחינות ה-Associate — עם 40–60 שאלות בפורמטים של בחירה מרובה, תגובה מרובה, גרירה ושחרור (כולל השלמת קוד על פני PySpark, T-SQL ו-KQL), אזור חם, ומקרה בוחן.
מכשול נפוץ הוא הרוחב על פני מנועי החישוב — מחברות Spark, מחסני T-SQL, KQL Eventhouses, ו-Eventstreams לכל אחד מהם שיקולי אופטימיזציה ותפעול מובחנים, והבחינה מצפה לשליטה בכל אלה. ניהול קיבולת (צריכת CU, ויסות, bursting, החלקה) וההחלטה בין lakehouse למחסן נתונים הם אזורי מלכודת נפוצים. כבחינה שהושקה לאחרונה, חומרים של צד שלישי משתנים באיכותם; Microsoft Learn נותר המקור האמין ביותר.
זמינות כללית ראשונית. בחינת בטא נערכה בין יולי לספטמבר 2024 עם תמחור מוזל. מיקרוסופט סימנה כי DP-700 יזכה לרענוני מתאר תכופים בהתחשב בקצב המהיר של שחרור תכונות של Microsoft Fabric.
DP-700 (Microsoft Fabric Data Engineer Associate) הוא מבחן ברמת Associate מבחן קשה במידה, המצפה לניסיון מעשי בתוספת הבנה מוצקה של שיטות עבודה מומלצות. רוב המועמדים זקוקים ל-80–150 שעות לימוד הפרוסות על פני 6–12 שבועות עבור מבחני רמת Associate. רוב המועמדים שמקבלים ציונים באופן עקבי מעל סף המעבר במבחני תרגול עוברים בניסיון הראשון.
רוב המועמדים זקוקים ל-80–150 שעות לימוד הפרוסות על פני 6–12 שבועות עבור מבחני רמת Associate. משך הזמן למעבר משתנה מאוד בהתאם לניסיון קודם. מהנדסים בעלי ניסיון מעשי בסביבת ייצור בטכנולוגיה הבסיסית זקוקים בדרך כלל לפחות זמן; מועמדים חדשים לפלטפורמה צריכים לתכנן את לימודיהם לכיוון הקצה העליון של טווח זה.
DP-700 הוא אישור מוכר במערכת האקולוגית של Azure ומסמן ידע מאומת למעסיקים, מגייסים ולקוחות. האם זה שווה את הזמן והעמלה עבורך תלוי בתפקיד ובמטרות שלך – זה נוטה להשתלם ביותר עבור מהנדסי ענן, אדריכלים ויועצים שעובדים עם Azure על בסיס יומיומי או רוצים לעבור לתפקידים כאלה.
ציון המעבר עבור DP-700 הוא 700 / 1000. המבחן מכיל 50 שאלות ונמשך 2 שע'.
עמלת מבחן ה-DP-700 היא $165 USD. העמלות נקבעות על ידי Azure ועשויות להשתנות לפי אזור; תמיד אשרו את המחיר הנוכחי בדף ההסמכה הרשמי של Azure לפני ההזמנה.
הסמכות מבוססות תפקיד של Microsoft פגות תוקף לאחר שנה אך ניתן לחדשן בחינם באמצעות הערכה מקוונת ללא פיקוח ב-Microsoft Learn, החל מ-6 חודשים לפני התפוגה.
כן. ניתן לגשת למבחן באופן מקוון (בפיקוח דרך הדפדפן המאובטח של הספק, זמין 24/7 ברוב האזורים) או במרכז בחינה פיזי של Pearson VUE בשעות הפעילות. שני הפורמטים משתמשים באותן שאלות, מגבלת זמן וציון מעבר.
CertLabPro מספק 15 מצבי לימוד על פני בנק השאלות לתרגול עבור DP-700. מצב סימולציית המבחן משקף את המבחן האמיתי: 50 שאלות ב-2 שע', עם אותו סף מעבר של 700 / 1000. מצב עיון מאפשר לך לקרוא כל שאלה ותשובה באופן סטטי.