Baixe o app para aproveitar ainda mais
Prévia do material em texto
BIG DATA E INTELIGÊNCIA ANALÍTICA BANCO DE DADOS APLICADO A BIG DATA ATIVIDADE 01 MARIANA COSTA (2020201219) Proposta Pedimos a você, estudante, que se coloque na posição do projetista de banco de dados: a fim de evitar os problemas relacionados ao desempenho, que tipo de design você poderia criar para uma aplicação que gerencie os dados massivos de uma plataforma de vídeos on-line (por exemplo, a Vimeo)? Como o escalonamento horizontal poderia ser utilizado para isso? E como os princípios dos bancos de dados não relacionais podem auxiliar em tal design? Resolução Os bancos de dados relacionais tendem a ser mais passíveis de compreensão, pela presença de elementos e conceitos comuns do dia a dia, como as tabelas e a associação de informações de diferentes valores, como mercadorias e preços, objetos e características, entre outros. Possuindo estruturas estritamente definidas e tendo como principais características a atomicidade, consistência, o isolamento e a durabilidade, os bancos de dados relacionais encontram-se limitados diante da necessidade de lidar com grandes volumes informacionais, pouco padronizados e de grande fluxo. Dessa forma, os bancos de dados do grupo chamado não relacional, ou então NoSQL, proporcionam um design que possibilita maior flexibilidade estrutural quanto ao armazenamento de informações, seja pelo método chave e valor ou então pela orientação a documento, como XML ou JSON. Além de um melhor desempenho, a capacidade de trabalhar com dados massivos torna essa a alternativa mais interessante para se utilizar na criação de uma aplicação que gerencie os dados massivos de uma plataforma de vídeos on-line. Software de banco de dados, como o MongoDB, agregam ainda mais vantagens para o cenário no que diz respeito ao escalonamento horizontal, estratégia de distribuir o processamento e armazenamento entre máquinas distintas, tendo esse sido projetado para condicionar o gerenciamento automático da distribuição de dados entre os nós de partição, o que agrega em performance e também em contenção de risco mediante a possíveis falhas. Referência: DOURADO, D. Big data . 1. ed. São Paulo. Editora Brasport, 2013.
Compartilhar