参照：
https://docs.microsoft.com/en-us/azure/synapse-analytics/sql-data-warehouse/column-level-security

参照：
https://docs.microsoft.com/en-us/azure/stream-analytics/stream-analytics-stream-analytics-query-patterns

参照：
https://docs.microsoft.com/en-us/azure/azure-sql/database/dynamic-data-masking-overview

説明

ボックス 1: ノードがオンラインに戻るまで失敗する
表示される内容: 高可用性が有効: False
注: セルフホステッド統合ランタイムの可用性が向上し、ビッグ データ ソリューションや Data Factory とのクラウド データ統合における単一障害点がなくなります。
ボックス 2: 低下
私たちは見る：
同時ジョブ数 (実行中/制限): 2/14
CPU使用率: 6%
注: プロセッサーと使用可能な RAM が十分に活用されていないにもかかわらず、同時ジョブの実行がノードの制限に達した場合は、ノードで実行できる同時ジョブの数を増やしてスケールアップします。
https://docs.microsoft.com/en-us/azure/data-factory/create-self-hosted-integration-runtime

Azure Databricks には、対話型クラスターと自動クラスターという 2 種類のクラスターがあります。インタラクティブ クラスターを使用して、インタラクティブ ノートブックと連携してデータを分析します。自動クラスターを使用して、高速かつ堅牢な自動ジョブを実行します。
例: スケジュールされたバッチ ワークロード (ETL ジョブを実行するデータ エンジニア)
このシナリオには、Databricks プラットフォームを通じてバッチ ジョブ JAR とノートブックを定期的に実行することが含まれます。
推奨されるベスト プラクティスは、重要なジョブを実行するたびに新しいクラスターを起動することです。これは、共有クラスター上の既存のワークロード (ノイジーネイバー) に起因する問題 (障害、SLA の欠落など) を回避するのに役立ちます。
参照：
https://docs.databricks.com/administration-guide/cloud-configurations/aws/cmbp.html#scenario-3-scheduled-batch-workloads-data-engineers-running-etl-jobs