Questões de Concurso

Acerca de pipeline de dados e bancos de dados não relacionais, julgue o item a seguir.

Pipeline de dados é uma sequência de processos em que dados de múltiplas fontes operacionais são extraídos, transformações são realizadas para se garantir qualidade e consistência, e os dados são carregados em um repositório centralizado, sendo essencial para integração de dados em ambientes de analytics e business intelligence.

Acerca de pipeline de dados e bancos de dados não relacionais, julgue o item a seguir.

Bancos de dados NoSQL como MongoDB e Cassandra utilizam esquemas rígidos e predefinidos similares aos bancos de dados relacionais, garantindo conformidade com propriedades ACID em todas as operações, o que os torna mais apropriados que bancos relacionais para dados altamente estruturados.

Com relação a processamento analítico, data warehouse e tecnologias de Big Data, julgue o item subsequente.

Data warehouse é um repositório centralizado que integra dados de múltiplas fontes operacionais, utiliza modelagem dimensional (como star schema ou snowflake) para organizar dados, e é otimizado para análises históricas e consultas multidimensionais, diferenciando-se de bancos de dados operacionais devido a sua arquitetura e seu propósito.

Com relação a processamento analítico, data warehouse e tecnologias de Big Data, julgue o item subsequente.

O Hadoop implementa o modelo de programação MapReduce para processamento distribuído de grandes volumes de dados, utilizando o HDFS para armazenamento distribuído com replicação de blocos de dados em múltiplos nós, garantindo tolerância a falhas e alta disponibilidade em clusters.

Com relação a processamento analítico, data warehouse e tecnologias de Big Data, julgue o item subsequente.

No que diz respeito ao tipo de processamento, o OLAP é otimizado para transações rápidas e operações de leitura-escrita em tempo real em sistemas operacionais; o OLTP é projetado para análises complexas e consultas multidimensionais sobre dados históricos em ambientes de business intelligence.