El temario oficial de Microsoft Certified: Azure Cosmos DB AI Developer Associate, organizado por dominio. Marca cada punto según lo vayas repasando.
Inicia sesión para guardar tu progreso entre sesiones.
Evaluate resource models and SDK solutions
Azure Cosmos DB ofrece cinco niveles de coherencia: alta, de obsolescencia limitada, de sesión, de prefijo coherente y posible. Los niveles alta y de obsolescencia limitada leen de dos réplicas y duplican el coste en RU de las lecturas; el nivel de sesión garantiza leer lo propio escrito mediante tokens de sesión. La invalidación por solicitud con ConsistencyLevel solo puede relajar el nivel predeterminado de la cuenta.
Consistency level choices - Azure Cosmos DB ↗Manage Consistency - Azure Cosmos DB ↗
Las unidades de solicitud (RU) normalizan el coste de CPU, E/S y memoria de cada operación. Una lectura puntual por id y clave de partición es la lectura más barata; una consulta que filtra por id y clave de partición no cuenta como lectura puntual. El coste de las escrituras depende del tamaño del elemento y de las propiedades indexadas, y el cargo de cada operación se lee en la respuesta del SDK.
Optimize Request Cost - Azure Cosmos DB ↗Request Units as a throughput and performance currency - Azure Cosmos DB ↗
El rendimiento aprovisionado puede ser estándar (manual) o con escalabilidad automática, en el contenedor (recomendado) o compartido en la base de datos, y se aplica en todas las regiones de la cuenta. El modo sin servidor encaja con tráfico intermitente en una sola región. La capacidad de ráfaga aprovecha la capacidad inactiva para picos breves y la ejecución basada en prioridades limita primero las solicitudes de prioridad baja.
Provision Throughput for Containers and Databases - Azure Cosmos DB ↗Create Containers and Databases with Autoscale Throughput - Azure Cosmos DB ↗
En la cuenta se configuran las regiones, la coherencia predeterminada y la directiva de copia de seguridad (periódica o continua, con restauración a un momento dado). En el contenedor se definen la clave de partición y la directiva de clave única, que solo se fijan al crearlo, y la directiva de indexación y el período de vida (DefaultTimeToLive y ttl por elemento), que se pueden cambiar después.
Expire Data With Time to Live - Azure Cosmos DB ↗Use Unique Keys - Azure Cosmos DB ↗
Las bases de datos y los contenedores se crean con CreateDatabaseIfNotExistsAsync y CreateContainerIfNotExistsAsync en .NET, o con create_database_if_not_exists y create_container_if_not_exists en Python, y con az cosmosdb sql en la CLI. Las propiedades modificables se cambian con replace_container. Con Microsoft Entra ID, crear contenedores es una operación del plano de control, no del plano de datos.
Manage Resources Using Azure CLI - Azure Cosmos DB ↗Create a Container Using .NET - Azure Cosmos DB ↗
Usa un único CosmosClient por cuenta durante toda la vida de la aplicación. En .NET, el modo directo (TCP) es el predeterminado y el modo de puerta de enlace usa el puerto HTTPS estándar; ApplicationRegion o ApplicationPreferredRegions definen las regiones preferidas. En Python, preferred_locations ordena las regiones de lectura y el cliente asíncrono de azure.cosmos.aio debe cerrarse.
Best Practices for .NET SDK V3 - Azure Cosmos DB ↗Best practices for Python SDK - Azure Cosmos DB ↗
Implement database operations
Las consultas parametrizadas usan la notación @ (QueryDefinition.WithParameter en .NET, parameters en query_items de Python) y evitan la inyección SQL. Los resultados llegan en páginas limitadas por MaxItemCount; hay que leer hasta que no queden páginas y el token de continuación, único por consulta, permite reanudar en cualquier momento, salvo con GROUP BY o DISTINCT sin ORDER BY.
Pagination - Query Language for Cosmos DB (in Azure and Fabric) ↗Parameterized queries - Query Language for Cosmos DB (in Azure and Fabric) ↗
Una lectura puntual (ReadItemAsync en .NET, read_item en Python) busca un elemento por id y valor completo de la clave de partición, incluidos todos los niveles si es jerárquica, y es la lectura más barata: su coste depende del tamaño del elemento y del nivel de coherencia. Una consulta que filtra por id y clave de partición no es una lectura puntual; ReadManyItemsAsync o read_items leen muchos pares a la vez.
Optimize Request Cost - Azure Cosmos DB ↗Read an Item Using .NET - Azure Cosmos DB ↗
CreateItemAsync falla si el id ya existe, ReplaceItemAsync y patch solo funcionan sobre elementos existentes y UpsertItemAsync crea o reemplaza. La revisión parcial (patch) envía solo las rutas modificadas con Add, Set, Replace, Remove, Increment y Move, admite un predicado de filtro condicional y no puede tocar propiedades del sistema; delete_item falla si el elemento no existe.
Partial Document Update - Azure Cosmos DB ↗Create an Item Using .NET - Azure Cosmos DB ↗
El lote transaccional (CreateTransactionalBatch en .NET, execute_item_batch en Python) agrupa operaciones de un mismo valor de clave de partición con garantías ACID: si una falla, se revierte todo y las demás devuelven 424. La compatibilidad masiva del SDK v3 (AllowBulkExecution, una tarea por operación) maximiza el rendimiento entre particiones sin atomicidad y sustituye a la biblioteca bulk executor.
Transactional Batch Operations - Azure Cosmos DB ↗Migrate From the Bulk Executor Library to the Bulk Support in .NET V3 SDK - Azure Cosmos DB ↗
El TTL se configura en segundos con DefaultTimeToLive en el contenedor (ausente o null: desactivado; -1: activado sin caducidad predeterminada; n: caducan a los n segundos) y se puede reemplazar por elemento con la propiedad ttl, contada desde la última modificación (_ts). Una tarea en segundo plano borra los caducados con RU sobrantes, aunque dejan de salir en las consultas al caducar.
Expire Data With Time to Live - Azure Cosmos DB ↗Configure and Manage Time to Live - Azure Cosmos DB ↗
El control de simultaneidad optimista usa el _etag que el servidor cambia en cada actualización: el cliente lo envía como condición if-match (IfMatchEtag en .NET, if_match_etag en lotes de Python) y, si ya no coincide, la escritura se rechaza con HTTP 412 y hay que releer y reintentar. Los procedimientos almacenados comprueban el _etag de forma implícita y revierten toda la transacción ante un conflicto.
Database Transactions and Optimistic Concurrency Control - Azure Cosmos DB ↗
Design and implement data models and partitioning strategies
Empieza por enumerar las solicitudes de lectura y escritura de la aplicación y mide la latencia y las RU de cada versión del modelo con ellas. En cargas con muchas lecturas, desnormaliza y duplica datos en contenedores con otra clave de partición, sincronizados con la fuente de cambios, y agrupa en una partición lógica los elementos que deben actualizarse juntos.
How to model and partition data using a real-world example ↗Data modeling in Azure Cosmos DB for NoSQL ↗
Elige una propiedad inmutable, de tipo cadena y de alta cardinalidad que reparta por igual las RU y el almacenamiento. En contenedores grandes con muchas lecturas, debe aparecer como filtro de igualdad en la mayoría de las consultas; /id encaja en cargas de lecturas puntuales y escrituras. La clave no se puede cambiar in situ: hay que mover los datos a un contenedor nuevo.
Inserta los datos en relaciones contenidas o de uno a pocos, que cambian poco, no crecen sin límite y se leen juntos; suele mejorar las lecturas. Referencia en relaciones de uno a muchos o de muchos a muchos, datos que cambian a menudo o colecciones ilimitadas; suele mejorar las escrituras. Los modelos híbridos desnormalizan solo los campos que se muestran y guardan agregados precalculados.
El rendimiento aprovisionado se reparte por igual entre las particiones físicas y una partición lógica nunca se divide, así que una clave desequilibrada crea particiones activas con respuestas 429 aunque sobre capacidad. Detéctalas con Normalized RU Consumption por PartitionKeyRangeId y CDBPartitionKeyRUConsumption, y vigila el almacenamiento con CDBPartitionKeyStatistics. La solución duradera es cambiar la clave migrando a un contenedor nuevo.
Diagnose and troubleshoot "Request rate too large" (429) exceptions ↗Monitor normalized request units in Azure Cosmos DB ↗
Las claves de partición jerárquicas admiten hasta tres niveles (kind MultiHash), se definen al crear el contenedor y permiten que un prefijo como TenantId supere los límites de una partición lógica. Las consultas por prefijo se dirigen a un subconjunto de particiones y las lecturas puntuales usan la clave completa con PartitionKeyBuilder. Con pocos inquilinos o cargas de escritura conviene una clave sintética o /id.
Hierarchical partition keys in Azure Cosmos DB ↗Multitenancy and Azure Cosmos DB ↗
Una clave sintética es una propiedad artificial que la lógica del cliente construye y escribe en cada elemento: concatenando varios valores, añadiendo un sufijo aleatorio para repartir escrituras o un sufijo precalculado, por ejemplo a partir de un VIN, que permite reconstruir la clave al leer. Las consultas que filtran solo por una de sus partes son consultas entre particiones.
Los antipatrones habituales son particionar por fecha en cargas con muchas escrituras, usar campos de baja cardinalidad o una clave que las consultas no filtran, y usar /id cuando hay muchas consultas por otras propiedades. Una partición activa se detecta con Normalized RU Consumption por PartitionKeyRangeId y con CDBPartitionKeyRUConsumption; el tamaño de las particiones lógicas se vigila con alertas sobre CDBPartitionKeyStatistics.
Partitioning and horizontal scaling - Azure Cosmos DB ↗Troubleshoot Request Rate Too Large Exceptions - Azure Cosmos DB ↗
Azure Cosmos DB Cost Estimator proyecta las RU/s y el coste a partir del tamaño de los documentos, las tasas de operaciones, el modo de capacidad, la coherencia y las regiones. Las lecturas puntuales son las más baratas, las coherencias alta y de obsolescencia limitada duplican el coste de las lecturas, el tamaño y las propiedades indexadas encarecen las escrituras, y las RU/s se aprovisionan en cada región de la cuenta.
Estimate Costs using the Cost Estimator - API for NoSQL - Azure Cosmos DB ↗Optimize Request Cost - Azure Cosmos DB ↗
Implement change feed
La fuente de cambios está habilitada de forma predeterminada, consume RU del rendimiento aprovisionado y garantiza el orden solo dentro de un valor de clave de partición. Se lee con Azure Functions, el procesador de fuente de cambios o el modelo de extracción, y sirve para notificaciones, vistas materializadas, movimiento de datos, migraciones sin tiempo de inactividad y Event sourcing.
Work with the Change Feed - Azure Cosmos DB ↗Change Feed Design Patterns - Azure Cosmos DB ↗
El procesador de fuente de cambios (solo .NET y Java) guarda el estado en un contenedor de concesiones, sondea solo, reparte el trabajo entre instancias y reintenta los lotes fallidos. El modelo de extracción usa tokens de continuación que guardas tú, permite leer una sola clave de partición y controlar el ritmo, y paraleliza con FeedRange, pero sin equilibrio automático ni garantía de entrega al menos una vez.
Change Feed Pull Model - Azure Cosmos DB ↗Read Change Feed - Azure Cosmos DB ↗
El contenedor de concesiones guarda el estado y coordina a los trabajadores; puede estar en la misma cuenta o en otra, y si está particionado debe usar /id. Las instancias de una unidad comparten processorName y contenedor de concesiones con nombres de instancia distintos, varias unidades o desencadenadores lo comparten con nombres o LeaseContainerPrefix distintos, y conviene usar el punto de conexión global.
Change Feed Processor - Azure Cosmos DB ↗Create Multiple Independent Azure Functions Triggers - Azure Cosmos DB ↗
El modo de versión más reciente registra creaciones y actualizaciones, solo la última versión de cada elemento y sin eliminaciones (se usa eliminación lógica con TTL), y puede empezar desde el principio. El modo de todas las versiones y eliminaciones exige copia de seguridad continua, se habilita en una cuenta existente, captura eliminaciones con metadatos y solo lee desde ahora dentro de la ventana de retención.
Los trabajos de copia de contenedor copian elementos a un contenedor nuevo para cambiar la clave de partición, las claves únicas, el nivel del rendimiento o adoptar claves jerárquicas. La copia sin conexión exige detener las escrituras en el origen; la copia en línea requiere copia de seguridad continua y el modo de todas las versiones y eliminaciones, y se cierra con az cosmosdb copy complete.
Copy jobs in Azure Cosmos DB (preview) ↗Create and manage container copy jobs in Azure Cosmos DB (Preview) ↗
Design and implement Azure Cosmos DB solutions by using AI-assisted tools
El Azure Cosmos DB Agent Kit ofrece recetas para revisar claves de partición, consultas y código del SDK: aportas formas de documento, filtros, tasas de escritura, directiva de indexación, cargos de RU o diagnósticos saneados, sin credenciales. Sus recomendaciones son sugerencias: compara RU, latencia y resultados sobre los mismos datos y prueba fuera de producción antes de aplicarlas.
Use the Azure Cosmos DB Agent Kit ↗Azure Cosmos DB Agent Kit overview ↗
El Azure Cosmos DB Agent Kit se instala con npx skills add AzureCosmosDB/cosmosdb-agent-kit o con el método de complementos del host, y se verifica buscando la skill cosmosdb-best-practices. Aporta guía, no acceso: no autentica en Azure ni consulta datos; el servidor MCP de Microsoft Learn sirve documentación. Conviene cargar solo la skill relevante para no saturar el contexto.
Set up the Azure Cosmos DB Agent Kit ↗Supported AI coding assistants for Azure Cosmos DB Agent Kit ↗
Practica por dominio oficial y revisa la explicación de cada respuesta.
Empezar a practicar