BANCO DE DADOS AVANÇADO TESTE

Prévia do material em texto

1.
		Assinale a alternativa que apresenta uma opção que justifica o aumento da quantidade de dados na sociedade, exceto:
	
	
	
	Disponibilização de hardwares avançados
	
	
	Sistemas de músicas on-line
	
	
	Bases de imagens
	
	
	Todas as opções estão corretas
	
	
	Bancos de vídeos
	
Explicação:
A disponibilização de hardwares avançados e recursos de redes como a internet, tem possibilitado o armazenamento de dados em diferentes formatos: textos, vídeos, músicas, imagens, etc. Como consequência, o volume de dados disponível para uso da sociedade e empresas não para de crescer. 
	
	
	
	 
		
	
		2.
		Dentre as opções abaixo, selecione a verdadeira em relação ao trabalho de um cientista de dados.
	
	
	
	Preocupa-se com o armazenamento de dados, não com sua qualidade.
	
	
	Não trabalha com dados brutos, apenas informações já processadas.
	
	
	Deve se preocupar apenas com os dados de sua empresa.
	
	
	Cria novos tipos de dados para linguagens de programação.
	
	
	Cuida do processamento de grandes quantidades de dados.
	
Explicação:
O cientista de dados executa o processamento de grandes quantidades de dados, tanto nos dados das empresas onde trabalham como nos dados disponíveis na nuvem. Assim, o cientista de dados deve possuir competência para capturar e analisar a qualidade de dados, padronizar e organizar, para depois analisar os dados, extraindo padrões que possam ser analisados por especialistas ou compreendidos para uso em processo de tomada de decisão nas organizações.
	
	
	
	 
		
	
		3.
		Como o volume de dados gerado é normalmente elevado, a tecnologia Big Data agiliza a análise dos dados históricos, prevenindo ações com base nas ocorrências anteriores.
A afirmação acima refere-se a utilização do big data para:
	
	
	
	Aplicação no setor de varejo.
	
	
	Determinar a causa de falhas, problemas e defeitos em tempo real.
	
	
	Armazenamento de arquivos de vídeo.
	
	
	Geração de descontos nos pontos de venda para clientes cadastrados com base em hábitos de compra.
	
	
	Utilização por órgãos governamentais.
	
Explicação:
Os dados produzidos pelos sensores de calor, volume, umidade, entre outros, podem ser usados para prevenir falhas em equipamentos ou estruturas. Como o volume de dados gerado é normalmente elevado, a tecnologia Big Data agiliza a análise dos dados históricos, prevenindo ações com base nas ocorrências anteriores.
	
	
	
	 
		
	
		4.
		Sobre o big data, é correto o que se afirma em:
	
	
	
	Concentra-se na quantidade de dados armazenados.
	
	
	Descreve apenas dados não estruturados
	
	
	Concentra-se no que pode ser feito com os dados.
	
	
	Descreve apenas dados estruturados.
	
	
	Cuida apenas de pequenas quantidades de dados.
	
Explicação:
O big data descreve os grandes volumes de dados, incluindo os dados estruturados e os não estruturados. Tais dados são gerados e armazenados nas empresas diariamente, além de sobrecarregá-las em relação à necessidade de espaço para armazenamento e às dificuldades para a geração de conhecimento.
Grandes volumes de dados excedem o volume tradicionalmente tratado pelos sistemas gerenciadores de bancos de dados relacionais. Mas não é a quantidade de dados disponível o que mais importa. O importante é o que pode ser feito com esses dados.
	
	
	
	 
		
	
		5.
		São vantagens do Big Data, exceto:
	
	
	
	Não é adequado para uso em órgãos governamentais, mesmo com o projeto de implantação do "governo digital"
	
	
	Redução do total de custos de investimento
	
	
	Promove a tomada de decisões com mais inteligência
	
	
	Economia nos custos operacionais da empresa
	
	
	Economia de tempo de marketing
	
Explicação:
Big Data permite um avanço significativo em relação ao modo de gestão dos serviços públicos. Com o ¿governo digital¿ e o processamento eletrônico de documentos, os órgãos de fiscalização podem acompanhar automaticamente identificando assim, atividades suspeitas que indiquem indícios de atos de corrupção, lidando com mais recursos legais para sua atuação e posterior autuação.
	
	
	
	 
		
	
		6.
		Marque a opção que apresenta o conjunto correto de dimensões Big Data:
	
	
	
	Volume, variedade, estabilidade e complexidade
	
	
	Volume, velocidade, variedade, previsibilidade e simplicidade
	
	
	Estabilidade, velocidade, variedade e complexidade
	
	
	Velocidade, variedade, variabilidade e simplicidade
	
	
	Volume, velocidade, variedade, variabilidade e complexidade 
	
Explicação:
Com a evolução do uso do Big Data, outros ¿Vs¿ além do Volume, Velocidade e Variedade descritos anteriormente, foram surgindo para melhor caracterizar a tecnologia ou atualizar seus conceitos. Podem ser listadas mais duas dimensões a Variabilidade e a Complexidade.
		1.
		Marque a opção que apresenta 2 vantagens do Hadoop:
	
	
	
	É usado mesmo quando o processamento não é paralelo / Facilita operações ETL em larga escala
	
	
	Permite o trabalho com uma variedade de tipos de dados / É bom mesmo com lotes de dados pequenos
	
	
	Processa grandes volumes de dados em ambiente paralelo / Facilita a execução de agregação de grandes bancos de dados por meio do Reduce
	
	
	Permite o processamento de grandes datasets em paralelo / É bom para o processamento transacional
	
	
	Rápido acesso aos dados / Aumento linear da escalabilidade
	
Explicação:
Duas das prinicipais vantagens do Hadoo são  o processamento massivo de grandes volumes de dados e a agregação de grandes bancos de dados com o uso da função Reduce
	
	
	
	 
		
	
		2.
		O MapReduce é baseado no paradigma funcional porque:
	
	
	
	A ordem do processamento não é fundamental.
	
	
	Realiza as operações de busca sequencialmente.
	
	
	Possibilita o processamento centralizado dos dados.
	
	
	É a nova tendência de programação.
	
	
	As operações nos dados são dependentes umas das outras.
	
Explicação:
No paradigma funcional, a ordem do processamento não é fundamental, por causa da independência entre as operações. Com isso, é possível efetuar a distribuição de processamento e a posterior junção dos resultados (Reduce).
	
	
	
	 
		
	
		3.
		O MapReduce possibilita o processamento de grandes massas baseando-se:
	
	
	
	No processamento centralizado dos dados.
	
	
	Na expansão da capacidade de armazenamento.
	
	
	No talento dos programadores.
	
	
	Na capacidade de processamento de dados em paralelo.
	
	
	Na velocidade dos novos processadores.
	
Explicação:
O MapReduce surgiu, permitindo que desenvolvedores pudessem escrever seus programas para o processamento de grandes massas de dados em paralelo, com o uso de conjuntos distribuídos de processadores, não somente por meio de clusters, mas também para execução com aplicações sendo processadas no ambiente de computação em nuvem.
	
	
	
	 
		
	
		4.
		É uma desvantagem do Hadoop:
	
	
	
	Processamento massivo de dados.
	
	
	Manipula dados estruturados, não estruturados ou semiestruturados.
	
	
	Requer hardware caro e robusto.
	
	
	Escalabilidade linear para tender volumes maiores.
	
	
	Não é bom para processamento de pequenos lotes de dados.
	
Explicação:
Vantagens do Hadoop:
· Processamento massivo de grandes volumes de dados com paralelismo. Muitos arquivos que são pequenos com menos de 100 MB devem ser evitados. O MapReduce funciona melhor com um número menor de arquivos grandes;
· A velocidade de transferência é um recurso que vem aumentando, permitindo o uso da tecnologia;
· A taxa de busca em disco é um fator limitante em sistemas que tratam de grandes bancos de dados, pois a velocidade depende da estrutura mecânica do disco;
· Manipular uma variedade de tipos de dados (estruturados, não estruturados ou semiestruturados) e no formato chave-valor com mais facilidade;
· Uso de hardware de baixo custo;
· Execução de agregação em grandes bancos de dados: o Reduce é muito útil nessa tarefa;
· Operações de ETL emlarga escala (Extract, Transform and Load);
· Aumento linear da escalabilidade para atender a maiores volumes de dados, se necessário;
· Permite o processamento de grandes datasets em paralelo.
Desvantagens do Hadoop:
· Processamento transacional (acesso randômico);
· Quando o trabalho não pode ser paralelizado;
· Acesso rápido aos dados;
· Processamento de lotes de dados pequenos;
· Cálculos intensos aplicados em pequenas quantidades de dados.
	
	
	
	 
		
	
		5.
		Marque a opção que apresenta a composição inicial do Hadoop:
	
	
	
	MapReduce e HDFS
	
	
	HDFS e Hive
	
	
	MapReduce e YARN
	
	
	HDFS e HBase
	
	
	YARN e HDFS
	
Explicação:
O Hadoop tem em sua composição inicial o MapReduce e o HDFS, porém necessita de mais ferramentas para atender as necessidades do trabalho com Big Data
	
	
	
	 
		
	
		6.
		O Hadoop é?
	
	
	
	É um banco de dados NOSQL amplamente usado em Big Data
	
	
	O projeto está apoiado em dois componentes principais: o Map e o Reduce
	
	
	Um banco de dados orientado a objetos
	
	
	Engloba um conjunto de produtos que permite o processamento de aplicações Big Data
	
	
	É um projeto administrado atualmente pelo Google
	
Explicação:
O Hadoop engloba um conjunto de produtos que permite processar o Big Data, por meio de um processamento de dados paralelo nos nós de computação, com uma aceleração no processamento, com diminuição da latência e altamente escalável.
 
	
	
		1.
		O HBASE é um banco de dados:
	
	
	
	Orientado a colunas.
	
	
	JSON.
	
	
	Relacional.
	
	
	XML.
	
	
	Orientado a tabelas.
	
Explicação:
O HBase é um banco de dados orientado por colunas e usa o arquivo MapReduce do Hadoop. O mapeamento do banco é indexado por uma chave de linha, uma chave de coluna e um registro de data e hora.
	
	
	
	 
		
	
		2.
		Não é um exemplo de dados não estruturado:
	
	
	
	Redes sociais
	
	
	Dados móveis (smartphones)
	
	
	Dados de sites
	
	
	Dados multimídia
	
	
	Dados financeiros e cadastros diversos
	
Explicação:
Algumas fontes de dados estruturados são: os sistemas de relacionamento de clientes (CRM), dados financeiros e cadastros diversos, entre outros. 
	
	
	
	 
		
	
		3.
		É exemplo de dado estruturado:
	
	
	
	Catálogo de clientes.
	
	
	Mensagem de texto.
	
	
	Conteúdo da Web.
	
	
	Arquivo de vídeo.
	
	
	Arquivo XML.
	
Explicação:
O formato para o armazenamento de dados nos modelos de dados iniciais foi desenvolvido baseados em dados estruturados. Tais termos possuem tamanho e formato definidos.
	
	
	
	 
		
	
		4.
		Assinale a afirmativa que não apresenta uma característica do HBase:
	
	
	
	Divisão e redistribuição automática do conteúdo
	
	
	Alta disponibilidade
	
	
	Alta taxa de trocas de dados
	
	
	Alta velocidade
	
	
	Suporte ACID
	
Explicação:
Embora não seja uma implementação ¿ACID¿, o HBase oferece leituras e gravações muito consistentes
	
	
	
	 
		
	
		5.
		Sobre o HDFS (Hadoop Distributed File System), assinale a afirmativa FALSA:
	
	
	
	Voltado para o gerenciamento de arquivos big data.
	
	
	Voltado para edição concorrente os arquivos por diferentes usuários.
	
	
	É um sistema de arquivos distribuído.
	
	
	É um cluster tolerante a falhas.
	
	
	Projetado para trabalhar com dados que são gravados apenas uma vez e lidos várias vezes.
	
Explicação:
O HDFS é um cluster com versatilidade, tolerante a falhas e direcionado para o gerenciamento de arquivos voltados para o Big Data. Esse sistema de arquivos apresenta um conjunto de recursos apropriados quando se tem grandes volumes de dados e quando são necessárias altas velocidades no seu manuseio.
O sistema foi projetado para trabalhar com dados que são gravados apenas uma vez e, em seguida, efetuadas várias leituras, em vez das leituras e gravações frequentes a partir de outros sistemas de arquivos.
	
	
	
	 
		
	
		6.
		Marque a opção que apresenta um exemplo de formato semiestruturado:
	
	
	
	SQL
	
	
	HTML 5
	
	
	XLS
	
	
	JSON
	
	
	CSV
	
Explicação:
O arquivo JSON (JavaScript Object Notation) também é formado por dados semiestruturados e possui um formato leve para o tráfego de dados, necessitando de menos bytes que o arquivo XML, o que é importante quando é necessário o tráfego de grandes quantidades de dados. 
 
	
		1.
		Dadas as características abaixo:
1. Esquema dinâmico para dados não estruturados.
2. São adequados para o ambiente com consultas complexas.
3. Segue o modo de pares de chave-valor para armazenar dados.
Marque dentre as opções abaixo aquela que representa as características do NoSQL.
	
	
	
	Somente 1 e 2.
	
	
	Somente 1 e 3.
	
	
	1, 2 e 3.
	
	
	Somente 1.
	
	
	Somente 2 e 3.
	
Explicação:
Algumas características do NoSQL:
· Esquema dinâmico para dados não estruturados.
· O NoSQL não tem interfaces específicas para executar consultas complexas, e as próprias consultas no NoSQL não são tão eficientes quanto a linguagem de consulta SQL.
· Baseiam-se em documentos, pares de chave-valor, bancos de dados em grafos ou armazenamentos em colunas.
	
	
	
	 
		
	
		2.
		Assinale a alternativa errada sobre bancos de dados NOSQL:
	
	
	
	São baseados no Teorema CAP
	
	
	É schemaless ou schema free
	
	
	Há a necessidade de que os dados tenham uma estrutura pré-definida
	
	
	Pode ser usado com o PostgreSQL
	
	
	Pode ser usado para armazenar dados de documentos
	
Explicação:
Esquema livre (schema free) indica que a base de dados não possui uma estrutura fixa, ou seja, os dados não têm estrutura pré-definida.
	
	
	
	 
		
	
		3.
		É um exemplo de banco de dados NoSQL:
	
	
	
	PostgreSQL
	
	
	MongoDB
	
	
	Oracle
	
	
	MySql
	
	
	SQL Server
	
Explicação:
Os principais bancos de dados NoSQL são:
· BigTable
· Redis
· MongoDB
· Hbase
· Neo4j
· Cassandra
· CouchDb
Exemplos de bancos de dados relacionais:
· PostgreSQL
· MySql
· Oracle
· SQL Server
	
	
	
	 
		
	
		4.
		Marque a opção que apresenta as categorias de bases de dados no modelo NOSQL:
	
	
	
	Orientado a objetos, documentos, colunas e chaves de valores
	
	
	JSON, XML, grafos e colunas
	
	
	Baseado em grafos, colunas, objetos e documentos
	
	
	Chave-valor, orientado a documentos, grafos e colunas 
	
	
	Orientado a linhas, colunas, grafos e documentos
	
Explicação:
Podemos avaliar que os bancos de dados relacionais representam dados no formato de tabelas que consistem em um número de linhas para seus registros, no entanto os bancos NOSQL são coleções de pares chave-valor, bancos de dados em grafos, documentos ou ainda armazenamentos em coluna e, que não necessitam de esquemas para o seus projetos.
	
	
	
	 
		
	
		5.
		Sobre o conceito Schemaless (sem esquema) podemos afirmar que:
	
	
	
	O recurso é aplicado apenas nos bancos de dados baseados em grafos
	
	
	O armazenamento dos dados não precisa de uma estrutura pré-definida, mas precisa ser normalizado
	
	
	O banco de dados não precisa de um esquema conceitual
	
	
	O banco de dados não necessida de um projeto físico
	
	
	Indica que a base de dados não possui uma estrutura fixa, ou seja, os dados não tem estrutura pré-definida
	
Explicação:
Esquema livre (schema free) indica que a base de dados não possui uma estrutura fixa, ou seja, os dados não têm estrutura pré-definida. 
	
	
	
	 
		
	
		6.
		A base de dados NoSQL possui modelo de dados em grafos. Esse modelo caracteriza-se por utilizar como componentes para representação de dados:
	
	
	
	Pares chave-valor agrupados horizontalmente.
	
	
	Um array de pares chave-valor.
	
	
	Esquema relacional de dados.
	
	
	Conjunto de vértices e ramos.
	
	
	Um identificador e um valor.
	
Explicação:
É um modelo baseado Teoria dos Grafos. Utiliza-se como componentes um conjunto de vértices e ramos na representação dos dados, em vez de tabelas ou pares chave‐valor.Entre as vantagens destaca-se comparadas aos bancos de dados relacionais, apresenta estrutura em grafo que facilita a representação de objetos e de suas propriedades.
	
	
		1.
		Quando um documento não precisa de uma estrutura pré-definida dizemos que:
	
	
	
	Ele é simples.
	
	
	Ele é composto.
	
	
	Ele é autodescritivo.
	
	
	Ele possui outros documentos embutidos.
	
	
	Ele possui esquema.
	
Explicação:
Quando um documento não precisa de uma estrutura pré-definida ou o banco de dados não necessita de um esquema, eles são considerados como autodescritivos.
	
	
	
	 
		
	
		2.
		Sobre os bancos de dados orientados a documentos podemos afirmar que, exceto:
	
	
	
	São exemplos desses bancos de dados o MongoDB, o RavenDB e o CouchDB
	
	
	Não há restrições quanto ao número de campos no documento
	
	
	Entre os formatos para um documento podemos ter o XML e o JSON, apenas
	
	
	Os documentos devem ser organizados em coleções de documentos semelhantes
	
	
	Entre os formatos para um documento podemos ter o XML, JSON, BSON e o YAML
	
Explicação:
Quanto ao formato de um documento, esses podem ser codificados de diferentes formatos, como: XML, JSON, BSON, YAML ou ainda com textos simples.
	
	
	
	 
		
	
		3.
		Entre as vantagens no uso do formato de dados como documentos temos, exceto:
	
	
	
	Documentos e matrizes incorporados reduzem a necessidade de junções custosas
	
	
	Possui esquema dinâmico que suporta o polimorfismo
	
	
	O banco de dados não necessita de um esquema
	
	
	Correspondem a tipos de dados nativos em muitas linguagens de programação
	
	
	Tem uma estrutura pré-definida
	
Explicação:
Um documento não precisa de uma estrutura pré-definida ou o banco de dados não necessita de um esquema, eles são considerados como auto descritivos.
	
	
	
	 
		
	
		4.
		Comando utilizado para colocar um item em um bando de dados MongoDB.
	
	
	
	db.frutas.findOne( {item: "banana", cor: "amarelo"} )
	
	
	db.frutas.addOne( {item: "banana", cor: "amarelo"} )
	
	
	db.frutas.updateOne( {item: "banana", cor: "amarelo"} )
	
	
	db.frutas.insertOne( {item: "banana", cor: "amarelo"} )
	
	
	db.frutas.createOne( {item: "banana", cor: "amarelo"} )
	
Explicação:
O banco de dados MongoDB permite a inclusão de documento em coleções de duas maneiras:
1ª maneira: db.collection.insertOne() - tem por objetivo incluir em uma coleção simples.
2ª maneira: db.collection.insertMany() - comando usado para incluir muitos documentos de uma só vez.
	
	
	
	 
		
	
		5.
		São características do MongoDB, com exceção de:
	
	
	
	Usa um recurso chamado de cursor que funciona como um ponteiro para os dados
	
	
	É multiplataforma e também funciona no Windows
	
	
	É eficaz para aplicações de análise em tempo real
	
	
	A replicação de dados é garantida através de bloqueios e pelo modelo mestre-escravo assíncrono
	
	
	Não trabalha com o MapReduce para a agregação de coleções
	
Explicação:
O MongoDB também é um ecossistema que consiste nos seguintes elementos:
· Serviços de alta disponibilidade e replicação para escalonamento em redes locais e de longa distância;
· Um sistema de arquivos baseado em grid, permitindo o armazenamento de objetos grandes dividindo-os entre vários documentos.
· MapReduce para suportar análises e agregação de diferentes coleções / documentos.
	
	
	
	 
		
	
		6.
		Dentre as opções abaixo, selecione aquela que representa uma codificação que NÃO foi desenvolvida para descrever dados.
	
	
	
	HTML
	
	
	YAML
	
	
	BSON
	
	
	JASON
	
	
	XML
	
Explicação:
HTML é uma linguagem de marcação utilizada na construção de páginas na Web. Documentos HTML podem ser interpretados por navegadores.
	
	
		1.
		Quanto ao formato de dados chave-valor podemos afirmar, exceto:
	
	
	
	Um formato usado é o formato de intercâmbio JSON
	
	
	A chave (key) pode ser usada de formas diversas
	
	
	A chave não precisa seguir uma convenção pré-estabelecida para manter uma consistência
	
	
	O valor pode ser uma lista ou outro par chave-valor encapsulado em um outro objeto
	
	
	O uso do modelo chave-valor em aplicações web e dispositivos móveis
	
Explicação:
Em qualquer caso, a chave deve seguir uma convenção acordada para manter uma consistência
	
	
	
	 
		
	
		2.
		O DynamoDB é um exemplo de um baco de dados:
	
	
	
	Relacional
	
	
	Chave-valor
	
	
	SQL
	
	
	Centralizado
	
	
	Documento
	
Explicação:
O DynamoDB é um serviço de banco de dados chave-valor totalmente gerenciado na nuvem no modelo NoSQL e que foi lançado em 2012 pela Amazon.
	
	
	
	 
		
	
		3.
		NÃO é uma vantagem do DynamoDB
	
	
	
	Consultas complexas em SQL
	
	
	Processamento de dados em temo real
	
	
	Escalabilidade
	
	
	Velocidade
	
	
	Backup rápido
	
Explicação:
O DynamoDB é um banco de dados NoSQL, portanto não realiza consultas por intermédio da linguagem SQL.
	
	
	
	 
		
	
		4.
		Marque a opção que não contém um SGBD NOSQL baseado em chave-valor:
	
	
	
	Riak
	
	
	Redis
	
	
	HBase
	
	
	Cassandra
	
	
	DynamoDB
	
Explicação:
Além do DynamoDB, Existem outros bancos de dados no modelo chave-valor, como o Cassandra , o Riak  e o Redis
	
	
	
	 
		
	
		5.
		São exemplos de aplicações indicadas para o uso do modelo NOSQL chave-valor, exceto: 
	
	
	
	Jogos on-line
	
	
	Sensores de dados ou via streaming
	
	
	Internet das Coisas (IoT)
	
	
	Aplicações transacionais
	
	
	Aplicações de bolsas de valores
	
Explicação:
O modelo chave-valor é particularmente eficaz em aplicações do tipo:
¿ Na análise em tempo real dos serviços financeiros, caracterizado por um alto volume de dados gerados. Como exemplo, podemos citar as aplicações de setores bancários e bolsas de valores;
¿ Dados dos usuários produzidos para redes sociais, comunidades específicas, jogos on-line ou Internet das Coisas (IoT);
¿ Armazenamento de dados em grande volume originados de aplicações como sensores de dados ou via streaming;
¿ Aplicações móveis que exigem flexibilidade e confiabilidade, como por exemplo a coleta de dados de logs de telefones celulares
	
	
	
	 
		
	
		6.
		Nos bancos de dados chave-valor deve-se utilizar uma chave muito longa por motivos de:
	
	
	
	clareza
	
	
	limitação do servidor
	
	
	desempenho
	
	
	esquema
	
	
	facilidade
	
Explicação:
Em teoria, em bancos de dados chave-valor a chave pode ser usada de formas diversas. Mas isso pode depender do SGBD, pois o SGBD pode impor limitações. No entanto, por motivos de desempenho, deve-se evitar o uso de uma chave muito longa.
	
		1.
		São exemplos de aplicações indicadas para o uso do modelo NOSQL orientado a colunas: 
	
	
	
	Registro de transações como compras
	
	
	Todas as anteriores estão corretas
	
	
	Internet of Things (IoT) para veículos e dispositivos
	
	
	Acompanhamento de status de pedidos de compra
	
	
	Armazenamento de dados de logs de sistemas ou de equipamentos
	
Explicação:
Outro tipo de aplicação beneficiado pelos bancos de dados colunares são os usados em aplicações OLAP (Online Analytical Processing), enquanto orientados a linhas são usados para material OLTP (Online Transaction Processing).
Alguns outros exemplos de casos de uso usando o Cassandra são:
¿ Registro de transações como compras, resultados de aplicações de testes, avaliações de filmes assistidos e o local de exibição do filme;
¿ Armazenamento de dados de séries temporais ou o resultado de logs de sistemas;
¿ Acompanhamento de status de pedidos de compras, entregas de pacotes, etc.;
¿ Armazenamento de dados de logs de sistemas ou de equipamentos;
¿ Histórico de sistemas meteorológicos, como pontos mínimos e máximos de temperaturas;
¿ Histórico de eventos realizados;
¿ Telemática: Internet of Things (IoT) para veículos e dispositivos
	
	
	
	 
		
	
		2.
		Uma vantagem de um banco de dados colunarem relação a um banco de dados relacional é:
	
	
	
	Utilização de esquemas rígidos para formatos de dados.
	
	
	Operações de entrada e saída extremamente rápidas.
	
	
	Todo o processamento é realizado em um servidor centralizado.
	
	
	Dados predominantemente armazenados como par chave-valor.
	
	
	Utiliza a linguagem de consulta SQL.
	
Explicação:
Os bancos de dados colunares armazenam dados de forma eficiente em colunas, em vez de linhas, como nos bancos de dados relacionais. Essa abordagem leva a um desempenho mais rápido porque as operações de entrada e de saída tornam-se extremamente rápidas.
	
	
	
	 
		
	
		3.
		São características do banco de dados Cassandra com exceção de:
	
	
	
	Tem suporte a transações
	
	
	As consultas são escritas em SQL
	
	
	Armazenamento de dados flexível
	
	
	Fácil distribuição de dados
	
	
	Escalabilidade elástica
	
Explicação:
O Cassandra possui uma linguagem própria de consultas denominada de Cassandra Query Language (CQL).
	
	
	
	 
		
	
		4.
		O banco de dados Cassandra é adequado para projetos do Big Data. Ele é excelente em operações de leitura em um número limitado de:
	
	
	
	consultas
	
	
	dados
	
	
	linhas
	
	
	colunas
	
	
	documentos
	
Explicação:
Um banco de dados orientado por colunas será excelente em operações de leitura em um número limitado de colunas.
	
	
	
	 
		
	
		5.
		Assinale o comando que existe no modelo orientado a colunas e não existe no relacional:
	
	
	
	Delete
	
	
	Update
	
	
	Select
	
	
	Keyspace
	
	
	Insert
	
Explicação:
O Cassandra possui uma linguagem própria de consultas denominada de Cassandra Query Language (CQL)
	
	
	
	 
		
	
		6.
		O Cassandra é um exemplo de um banco de dados:
	
	
	
	SQL
	
	
	colunar
	
	
	chave-valor
	
	
	relacional
	
	
	em grafo
	
Explicação:
O Apache Cassandra é um sistema gerenciador de banco de dados baseado em colunas de código aberto, especificado para uso em ambiente distribuído, pronto para o gerenciamento de grandes quantidades de dados estruturados. O sistema também é caracterizado por fornecer um serviço de alta disponibilidade. Foi desenvolvido pelo Facebook e teve seu código aberto em 2008. Foi tornado um projeto da Fundação Apache em 2010.
	
		1.
		Assinale a afirmativa correta:
	
	
	
	Os fabricantes de bancos de dados relacionais não adaptaram seus SGBDs para uso no modelo NOSQL
	
	
	O PostgreSQL é um banco de dados apenas relacional
	
	
	Os fabricantes de bancos de dados relacionais adaptaram seus SGBDs para uso no modelo NOSQL
	
	
	O SQL Server funciona orientado a documentos, mas sem usar JSON
	
	
	O Oracle foi adaptado para uso como NOSQL, mas não com JSON
	
Explicação:
Os grandes fabrincantes de SGBDs adaptaram seus sistemas para uso no modelo NOSQL e trabalham com o formato JSON
 
	
	
	
	 
		
	
		2.
		Em que se baseia a ideia do modelo objeto-relacional?
	
	
	
	Estender o modelo de objetos incluindo características relacionais.
	
	
	Integrar bancos de dados relacionais às linguagens orientadas a objetos.
	
	
	Migrar gradativamente bases de dados relacionais para bases orientadas a objetos.
	
	
	Estender o modelo relacional incluindo características de orientação a objetos.
	
	
	Substituir bancos de dados relacionais por bancos de dados orientados a objetos.
	
Explicação:
O modelo objeto-relacional é baseado na ideia de estender o modelo relacional, fornecendo um sistema com maior possibilidade de uso e flexibilidade por meio da inclusão de características de orientação a objetos.
	
	
	
	 
		
	
		3.
		O código abaixo apresenta uma tabela criada no PostgreSQL que:
CREATE TABLE livros (nr serial primary key,titulo VARCHAR (255),atrib hstore)
	
	
	
	Um campo numérico, um campo texto e um multivalorado
	
	
	Um campo numérico, um campo texto e um do tipo documento
	
	
	Um campo serial, um campo texto e um do tipo atribr
	
	
	Um campo auto incremento, um campo texto e um do tipo JSON
	
	
	Um campo numérico, um campo texto e um do tipo hstore (chave-valor)
	
Explicação:
O campo atrib é um campo do tipo de dados Hstore
	
	
	
	 
		
	
		4.
		Como os bancos de dados que utilizavam a linguagem SQL fizeram para trabalhar com a incorporação de tipos de dados não estruturados?
	
	
	
	Modelaram os novos tipos de dados para poderem ser manipulados pela SQL.
	
	
	Substituíram a linguagem SQL pela linguagem NoSQL.
	
	
	Adicionaram construções à linguagem SQL.
	
	
	Incorporaram apenas tipos já previstos pela linguagem SQL.
	
	
	Mantiveram a linguagem SQL, que não necessitou ser alterada.
	
Explicação:
Por ele foram adicionadas construções às linguagens de consultas relacionais (SQL), para manipular os novos tipos de dados adicionados. Tais extensões tentam preservar os fundamentos relacionais, enquanto estendem o poder de modelagem dos dados, como é o caso de atributos multivalorados (arrays), criação de tipos e herança.
	
	
	
	 
		
	
		5.
		Qual o nome do recurso do PostgreSQL usado para o armazenamento chave-valor?
	
	
	
	JSONB
	
	
	JSON
	
	
	Hstore
	
	
	Contrib
	
	
	Cstore
	
Explicação:
O recurso Hstore fornece um armazenamento de chave-valor
	
	
	
	 
		
	
		6.
		O que fabricantes de SGBDs relacionais como Oracle, SQL Server e PostgreSQL  fizeram em ralação aos bancos de dados NoSQL?
	
	
	
	Criaram tipos de dados fortemente estruturados.
	
	
	Estenderam seus produtos para armazenamento de dados não-estruturados.
	
	
	Passaram a utilizar o SQL como linguagem de consulta.
	
	
	Mantiveram seus produtos como estavam, pois são tecnologias diferentes.
	
	
	Criaram novos SGBDs puramente NoSQL.
	
Explicação:
O Oracle NOSQL fornece recursos críticos como escalabilidade elástica on-line e dimensionamento automático, suporte a vários modelos de dados: chave-valor, documentos e grafos. O sistema ainda mantém as outras importantes características como SQL, pesquisa textual, controle de autenticação e recuperação de desastres de vários datacenters.
O SQL Server tem funções nativas do JSON que permitem manipular documentos nesse formato por meio da própria linguagem SQL. As soluções permitem trabalhar com tabelas grandes e formato orientado a colunas, também trabalha com o formato orientado a documentos.
O PostgreSQL desde 2008 foi atualizado para receber recursos para o funcionamento no modelo NOSQL. Com o recurso JSONB, uma versão binária de armazenamento JSON que suporta indexação e um grande número de operadores, o PostgreSQL passou a ser um banco de dados orientado a documentos também. Sua proposta consiste em ser útil para armazenar conjuntos de dados compostos por chave e valor e que sejam armazenados em uma única coluna de uma tabela, conforme a proposta schemaless de produtos, como o MongoDB e o Cassandra.
	
	
	
		1.
		Em um banco de dados baseado em grafo, os vértices:
	
	
	
	Representam os relacionamentos entre os nós.
	
	
	Podem se relacionar com no máximo um outro vértice.
	
	
	Representam um atributo.
	
	
	Não possuem atributos.
	
	
	Contém atributos do tipo chave-valor.
	
Explicação:
Grafo é uma estrutura composta por dois tipos de elementos, os vértices e as arestas. Os vértices são também chamados de nós e, em muitos casos, são utilizados para a representação de pessoas, lugares, coisas, categorias etc.
As arestas são conexões entre pontos que representam relacionamentos entre vértices, que são ligados pelas arestas.
Nós são as entidades no gráfico. Eles podem conter qualquer número de atributos (pares de chave-valor), chamados de propriedades. Os nós podem ser sinalizados com marcadores, representando suas diferentes funções no seu domínio.
	
	
	
	 
		
	
		2.
		Sobre os relacionamentos de um banco de dados baseado em grafo, assinale a alternativa correta.
	
	
	
	Não possuem propriedades.
	
	
	Sempre podem ser navegados em qualquerdireção.
	
	
	Relacionam uma quantidade arbitrária de nós.
	
	
	Não possuem nomes.
	
	
	Fornecem conexões bidirecionais.
	
Explicação:
Os relacionamentos fornecem conexões dirigidas, nomeadas semanticamente entre duas entidades do nó (por exemplo, Empregado trabalha_para Companhia). Um relacionamento sempre tem uma direção, um tipo, um nó inicial e um nó final. Como os nós, os relacionamentos também podem ter propriedades.
Na maioria dos casos, os relacionamentos têm propriedades quantitativas, como pesos, custos, distâncias, classificações, intervalos de tempo ou intensidades. Devido à forma eficiente como os relacionamentos são armazenados, dois nós podem compartilhar qualquer número ou tipo de relacionamento sem sacrificar o desempenho. Embora sejam armazenados em uma direção específica, os relacionamentos sempre podem ser navegados eficientemente em qualquer direção.
	
	
	
	 
		
	
		3.
		O tipo e banco de dados que trata os relacionamentos entre os dados com a mesma importância que é dada aos dados propriamente ditos é:
	
	
	
	baseado em grafos
	
	
	relacional
	
	
	baseado em documentos
	
	
	chave-valor
	
	
	colunar
	
Explicação:
Podemos compreender um banco de dados baseado em grafos como um banco de dados projetado para tratar os relacionamentos entre os dados com a mesma importância que se é dada aos dados propriamente ditos.
	
	
	
	 
		
	
		4.
		Marque a opção que apresenta características do Neo4J:
	
	
	
	Todas as anteriores são verdadeiras
	
	
	Suporta uma linguagem declarativa chamada Cypher
	
	
	Permite uma modelagem simples
	
	
	Permite a integração com outros bancos de dados
	
	
	Permite sincronização em lote ou batch
	
Explicação:
A seguir são apresentadas características importantes do Neo4J:
¿ Integração com outros bancos de dados: O Neo4J suporta o gerenciamento de transações em duplo sentido ou com reversão, permitindo assim a interoperabilidade contínua com armazenamentos de dados mesmo sem o uso de grafos;
¿ Serviços de sincronização: o Neo4J suporta comportamentos orientados a eventos por meio de um barramento de eventos, sincronização periódica usando a si mesmo ou um sistema gerenciador de banco de dados relacional como mestre, além de uma sincronização em lote ou batch;
¿ Modelagem simples: o modelo baseado em grafos permite uma modelagem simples, no qual os dados são organizados como nós, relacionamentos e propriedades (dados armazenados nos nós ou relacionamentos);
¿ Linguagem de consulta: o Neo4J suporta uma linguagem declarativa chamada Cypher, projetada especificamente para consultar gráficos e seus componentes. Os comandos Cypher são pouco semelhantes à linguagem SQL e são destinadas as consultas aos dados em grafos. O uso dessa linguagem e a geração do grafo permite uma melhor visualização ou interpretação da consulta por parte do usuário.
 
	
	
	
	 
		
	
		5.
		Marque a opção que apresenta um banco de dados baseado em grafos:
 
	
	
	
	Amazon Neptune
	
	
	Todas as anteriores são verdadeiras
	
	
	Microsoft Azure Cosmos
	
	
	Datasax
	
	
	Virtuoso
	
Explicação:
Outros exemplos de bancos de dados orientados a grafos são: Microsoft Azure Cosmos , Datasax , OrientDB , ArangoDB , Virtuoso  e Amazon Neptune , entre outros.
 
	
	
	
	 
		
	
		6.
		Qual o nome da linguagem de consulta utilizada no Neo4J?
	
	
	
	Cypher
	
	
	PL/pgSQL
	
	
	CQL
	
	
	PL/SQL
	
	
	SQL
	
Explicação:
Linguagem de consulta: o Neo4J suporta uma linguagem declarativa chamada Cypher, projetada especificamente para consultar gráficos e seus componentes
 
	
	
		1.
		Marque a opção que apresenta uma possibilidade de uso de Big data em aplicações de tempo real, exceto:
	
	
	
	Todas as anteriores estão corretas
	
	
	Geolocalização de dispositivos (smartphones)
	
	
	Monitoramento de servidores
	
	
	Comportamento anormal no fluxo de dados, como uma sequência suspeita de cliques em um site
	
	
	Cliques em websites
	
Explicação:
Análise de dados em tempo real:
fornecimento de atividade como o monitoramento de servidores, geolocalização de dispositivos (smartphones);
cliques em websites como uma fonte de notícias pode analisar os registros dos cliques e modificar o conteúdo considerando dados demográficas e geográficos para veicular artigos relevantes para o público-alvo;
Um site de comércio eletrônico que transmite registros de sequência de cliques para encontrar um comportamento anormal no fluxo de dados e gera um alerta de segurança se o fluxo de cliques mostrar um comportamento anormal.
 
	
	
	
	 
		
	
		2.
		Uma das aplicações para Big Data é o Amazon Kinesis Streams, que é utilizado pela Netflix para:
	
	
	
	Inserir propagandas voltadas do perfil do cliente.
	
	
	Fazer log de todos os eventos.
	
	
	Enviar os streams de vídeos para seus clientes.
	
	
	Compactar os dados enviados aos clientes.
	
	
	Monitorar as comunicações entre todos os aplicativos.
	
Explicação:
O Amazon Kinesis Streams é utilizado para monitorar as comunicações entre todos os aplicativos, com o objetivo de detectar e corrigir problemas com rapidez, garantindo um serviço com alta disponibilidade aos seus clientes.
	
	
	
	 
		
	
		3.
		Dentre as opções abaixo, seleciona aquela que NÃO representa um problema enfrentado por empresas para lidar com seus dados nas últimas décadas.
	
	
	
	Gasto na aquisição de unidades de armazenamento.
	
	
	Complexidade na tarefa de manter os dados atualizados.
	
	
	Gerenciamento de grandes bases de dados.
	
	
	Programar sistemas para manter e consultar os dados.
	
	
	Obtenção de dados de seus processos.
	
Explicação:
As empresas encontraram diversos problemas ao longo das últimas décadas para lidar com seus dados, tais como:
· Gasto na aquisição de unidades de armazenamento;
· Dificuldade no gerenciamento de grandes bases de dados;
· Tecnologia incipiente para manusear variedade de tipos de dados;
· Dificuldade de programar sistemas para manter e consultar os dados;
· Aumento da complexidade na tarefa de manter os dados atualizados.
	
	
	
	 
		
	
		4.
		São fatores que justificam o uso de Big data em nuvem:
	
	
	
	Maior custo-benefício
	
	
	Velocidade
	
	
	Virtualização
	
	
	Confiabilidade
	
	
	Todas as anteriores estão corretas
	
Explicação:
Nas aplicações do tipo Big data, agora é possível virtualizar os dados para que possam ser armazenados de forma eficiente e, utilizando o armazenamento baseado em nuvem, obtendo-se assim um maior custo-benefício. Podemos ainda considerar as melhorias na velocidade e confiabilidade da rede no sentido de eliminar outras limitações físicas, permitindo o gerenciamento de grandes quantidades de dados em um ritmo muito mais profissional.
 
	
	
	
	 
		
	
		5.
		É um exemplo de streaming de dados:
	
	
	
	Definição de um esquema de dados.
	
	
	Informações de sensoriamento remoto.
	
	
	Consulta a uma base de dados.
	
	
	Levantamento dos dados relevantes ao negócio.
	
	
	A atualização de um campo em uma tabela.
	
Explicação:
Dados em streaming são dados gerados continuamente por várias de fontes de dados, que geralmente enviam os registros de dados simultaneamente, em tamanhos pequenos.
	
	
	
	 
		
	
		6.
		Sobre o uso de Big Data na nuvem podemos afirmar que:
	
	
	
	Todas as anteriores estão corretas
	
	
	No cenário IaaS utiliza-se a infraestrutura do provedor de nuvem para seus serviços de Big data.
	
	
	 cenário SaaS fornece uma plataforma para a análise e dados, como por exemplo, das mídias sociais.
	
	
	O cenário PaaS pode ser usado para projetar, implementar e implantar aplicativos e serviços em um ambiente de nuvem pública ou privada.
	
	
	No cenário IaaS pode-se selecionar o sistema operacional, obtendo-se também flexibilidade no dimensionamento dinâmico do ambiente para atender as necessidades.
	
Explicação:
· IaaS: nesse cenário, a utiliza-se a infraestruturado provedor de nuvem para seus serviços de Big data. IaaS pode máquinas virtuais com armazenamento quase ilimitado e capacidade de processamento. Pode-se ainda selecionar o sistema operacional, obtendo-se também flexibilidade no dimensionamento dinâmico do ambiente para atender as necessidades;
· PaaS: PaaS é uma infraestrutura inteira que pode ser usada para projetar, implementar e implantar aplicativos e serviços em um ambiente de nuvem pública ou privada. Ela permite que uma organização possa trabalhar sem ter que lidar com as complexidades de gerenciamento hardware e software. Os fornecedores de PaaS usam tecnologias de Big data como Hadoop e MapReduce. Por exemplo, você pode querer construir um aplicativo especializado para analisar quantidades de dados médicos;
· SaaS: SaaS fornece uma plataforma para a análise e dados, como por exemplo, das mídias sociais. Muitas empresas perceberam que uma das fontes de dados mais importantes é o que o cliente diz sobre a empresa, seus produtos e seus serviços. Obter acesso à voz dos dados do cliente pode fornecer insights importantes sobre comportamentos e ações. Além disso, você pode utilizar os dados do CRM corporativo em seu ambiente de nuvem privada para inclusão na análise.