FC ConcursosFC Concursos

Questão FC331111

Com relação às arquiteturas de big data, analise as afirmativas a seguir. I. As arquiteturas de big data suportam um ou mais tipos de carga de trabalho, por exemplo, processamento

Bancos de Dados Dimensionais

FGV · 2022

Com relação às arquiteturas de big data, analise as afirmativas a seguir.

 

I. As arquiteturas de big data suportam um ou mais tipos de carga de trabalho, por exemplo, processamento em lote de fontes de big data em repouso; processamento em tempo real de big data em movimento; exploração interativa de big data e análise preditiva e aprendizado de máquina.

 

II. A arquitetura kappa aborda o problema da baixa latência criando dois caminhos para o fluxo de dados. Todos os dados que entram no sistema passam por dois caminhos: a camada de lote (caminho frio) que armazena os dados de entrada em sua forma bruta e executa o processamento os dados em lote, e a camada de velocidade (hot path) que analisa os dados em tempo real. Essa camada é projetada para ter baixa latência, em detrimento da precisão.

 

III. A arquitetura lambda, posterior à kappa, foi proposta para ser uma alternativa para mitigar os problemas da baixa latência. Lambda tem os mesmos objetivos da kappa, mas com uma distinção importante: todos os dados fluem por um único caminho, usando um sistema de processamento de fluxo de dados. Semelhante à camada de velocidade da arquitetura lambda, todo o processamento de eventos é realizado através de um fluxo único de entrada.

 

Está correto o que se afirma em

  1. I, apenas.
  2. II, apenas.
  3. III, apenas.
  4. I e II, apenas.
  5. II e III, apenas.
Mostrar resposta e comentário

Gabarito

A

Comentário do professor

As arquiteturas de big data de fato suportam diversos tipos de carga de trabalho, razão pela qual a afirmativa I é correta.

Elas atendem, por exemplo, ao processamento em lote (análises sobre dados em repouso), ao processamento em tempo real (fluxos sobre dados em movimento), à exploração interativa (consultas ad hoc e visualização) e à análise preditiva e aprendizado de máquina (modelagem e scoring).

O desenho arquitetural costuma separar armazenamento de processamento e combinar motores especializados: motores batch para throughput, stream processors para baixa latência, engines interativas para consultas rápidas e frameworks ML para treino e inferência.

Essa diversidade permite escolher a combinação adequada de ferramentas e camadas conforme requisitos de latência, precisão e custo, garantindo capacidade analítica para diferentes cenários operacionais.

Conteúdo do catálogo FC Concursos · Atualizado em

Continue aprendendo