Simulado 03 - Armazenamento e Delta Lake

Prévia do material em texto

Simulado 03: Formatos de Armazenamento e Delta Lake
Tópicos de Big Data em Python — Avaliação Prática
QUESTÃO 01
Por que o formato de arquivo Apache Parquet é amplamente preferido em relação ao CSV em arquiteturas de
Big Data?
A Porque o Parquet é um formato baseado em texto plano, facilitando a edição manual por desenvolvedores.
B Por ser colunar, suportar compressão eficiente, estatísticas de bloco (min/max) e possibilitar a leitura apenas das
colunas necessárias para a consulta.
C Porque permite gravação simultânea sem controle de concorrência em bancos relacionais tradicionais.
D Porque elimina totalmente a necessidade de esquemas (schemas) ou tipos de dados tipados.
QUESTÃO 02
Ao gravar um DataFrame PySpark particionado por ano e mês no disco, qual é a estrutura criada no sistema de
arquivos?
 df.write.partitionBy("ano", "mes").parquet("/data/vendas")
 
A Um único arquivo Parquet comprimido contendo o nomevendas_ano_mes.parquet.
B Uma estrutura de diretórios aninhados do tipo/data/vendas/ano=2026/mes=10/part-XXXX.parquet.
C Uma tabela SQLite com índices criados para as colunas ano e mes.
D Vários arquivos JSON divididos em partições de 64MB cada.
QUESTÃO 03
O Delta Lake adiciona uma camada de armazenamento sobre Data Lakes existentes. Qual recurso importante
ele introduz que não existe nativamente em arquivos Parquet puros?
A Transações ACID, viagem no tempo (Time Travel) e suporte a comandos UPDATE/DELETE/MERGE.
B Execução de queries SQL sem a necessidade de um engine computacional como Spark ou Trino.
C Conversão automática de dados estruturados para grafos não direcionados.
D Armazenamento exclusivo na memória RAM do Driver com persistência imediata em SSD NVMe.
QUESTÃO 04
No Delta Lake, como é implementado o recurso de 'Time Travel' (Viagem no Tempo) ao consultar dados em
Python com PySpark?
A Através da restauração do backup completo do cluster feito pelo HDFS.
B Especificando
a opção
versionAsOfoutimestampAsOfno momento do
carregamento da tabela com
spark.read.format("delta").
C Reexecutando todo o histórico de logs do Apache Kafka desde o início do tópico.
D Invocando a funçãodf.rollback()do Python standard library.
Simulado Tópicos de Big Data em Python — Módulo 3 Página 1 de 1