Explanation:

ステップ 1: ライフサイクル ポリシーを持つ Azure ストレージ アカウントを作成する
一般的なデータ管理タスクを自動化するために、Microsoft は Azure Data Factory に基づくソリューションを作成しました。データ ライフサイクル管理というこのサービスは、頻繁にアクセスされるデータを利用できるようにし、保持ポリシーに従ってその他のデータをアーカイブまたは消去します。社内の各チームはこのサービスを使用して、ストレージ コストを削減し、アプリのパフォーマンスを向上させ、データ保持ポリシーに準拠しています。
手順 2: データ保持期間を 120 日に設定した Log Analytics ワークスペースを作成します。
Data Factory は、パイプライン実行データを 45 日間のみ保存します。そのデータをより長期間保存する場合は、Azure Monitor を使用します。Monitor を使用すると、ストレージ アカウントなどの複数の異なるターゲットに診断ログをルーティングして分析できます。監査または手動検査のために、診断ログをストレージ アカウントに保存します。診断設定を使用して、保持期間を日数で指定できます。
手順 3: Azure Portal から診断設定を追加します。
ステップ4: データをログ分析ワークスペースに送信します。
イベント ハブ: サービスから Azure Data Explorer にイベントを転送するパイプライン。
Azure Data Factory メトリックとパイプライン実行データを保持します。
診断設定とワークスペースを構成します。
データ ファクトリの診断設定を作成または追加します。
* ポータルで、[モニター] に移動します。[設定] > [診断設定] を選択します。
* 診断設定を設定するデータ ファクトリを選択します。
* 選択したデータ ファクトリに設定が存在しない場合は、設定を作成するように求められます。[診断を有効にする] を選択します。
* 設定に名前を付け、[Log Analytics に送信] を選択して、[Log Analytics ワークスペース] からワークスペースを選択します。
* [保存]を選択します。
参照：
https://docs.microsoft.com/en-us/azure/data-factory/monitor-using-azure-monitor

説明
EmployeeID 列と同じ定義を使用します。
参照：
https://docs.microsoft.com/en-us/analysis-services/tabular-models/hierarchies-ssas-tabular

説明
テーブルの説明は自動的に生成されます

ボックス1: タイムスタンプ
ボックス 2: タンブリングウィンドウ
タンブリング ウィンドウ関数は、データ ストリームを個別の時間セグメントに分割し、以下の例のようにそれらに対して関数を実行するために使用されます。タンブリング ウィンドウの主な違いは、繰り返されること、重複しないこと、およびイベントが複数のタンブリング ウィンドウに属することができないことです。
タイムラインの説明は自動的に生成されます

参照：
https://docs.microsoft.com/en-us/azure/stream-analytics/stream-analytics-window-functions

参照：
https://docs.microsoft.com/en-us/azure/synapse-analytics/sql/load-data-overview

各ウェアハウスのレコード数は、適切なパーティション分割を行うのに十分な大きさです。
注: テーブル パーティションを使用すると、データを小さなデータ グループに分割できます。ほとんどの場合、テーブル パーティションは日付列に作成されます。
クラスター化列ストア テーブルにパーティションを作成する場合、各パーティションに属する行数を考慮することが重要です。クラスター化列ストア テーブルの圧縮とパフォーマンスを最適化するには、ディストリビューションとパーティションごとに最低 100 万行が必要です。パーティションが作成される前に、専用 SQL プールによって各テーブルが 60 個の分散データベースに分割されています。