Banco de Dados Avançado

Prévia do material em texto

1a Questão 
 
 
Marque a opção que apresenta o conjunto correto de dimensões Big Data: 
 
 
 
Volume, variedade, estabilidade e complexidade 
 
Velocidade, variedade, variabilidade e simplicidade 
 Volume, velocidade, variedade, variabilidade e complexidade 
 
Estabilidade, velocidade, variedade e complexidade 
 
Volume, velocidade, variedade, previsibilidade e simplicidade 
Respondido em 16/03/2020 22:02:27 
 
 
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. 
 
 
 
 
 
 2a Questão 
 
 
Em relação ao volume de dados trabalhado em Big Data, em termos de medidas, o intervalo pode variar 
de: 
 
 
 Terabytes - Exabytes 
 
Petabytes - Exabytes 
 
Gigabytes - Terabytes 
 
Megabytes - Gigabytes 
 
Acima de exabytes, somente 
Respondido em 16/03/2020 22:01:45 
 
 
Explicação: 
Considera-se que os limites de volumes de dados trabalhados em Big Data sejam entre terabytes (1012 
bytes) ou petabytes (1015 bytes) até exabytes (1018 bytes). 
 
 
 
 
 
 3a Questão 
 
 
Assinale a alternativa que apresenta uma opção que justifica o aumento da quantidade de dados na 
sociedade, exceto: 
 
 
 
Sistemas de músicas on-line 
 Todas as opções estão corretas 
 
Bancos de vídeos 
 
Disponibilização de hardwares avançados 
 
Bases de imagens 
Respondido em 16/03/2020 22:02:39 
 
 
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. 
 
 
 
 
 
 4a Questão 
 
 
Marque a opção que apresenta técnicas usadas pela Ciência de Dados: 
 
 
 
Banco de dados, algoritmos de mineração de dados, inteligência artificial, linguagens de script, 
programação e Big Data 
 
Banco de dados, estatística, algoritmos de mineração de dados, inteligência artificial, linguagens 
de script e programação 
 
Estatística, algoritmos de mineração de dados, inteligência artificial, linguagens de script, 
programação e Big Data 
 
Banco de dados, Mineração de dados, inteligência artificial, linguagens de script, programação e 
Big Data 
 Banco de dados, estatística, algoritmos de mineração de dados, inteligência artificial, linguagens 
de script, programação e Big Data 
Respondido em 16/03/2020 22:04:22 
 
 
Explicação: 
 
A Ciência de Dados é a expressão usada o trabalho que usa um conjunto de técnicas de banco de 
dados, estatística, algoritmos de mineração de dados, inteligência artificial, linguagens de script, 
programação e Big Data para extrair informações relevantes a partir dos dados brutos ou originais. 
 
 
 
 
 
 
 5a Questão 
 
 
São tipos de uso do Big Data nas empresas, exceto: 
 
 
 
Identificação de tentativas de fraudes 
 
Geração de descontos em pontos de vendas para clientes cadastrados com base em hábitos de 
compra 
 
Acompanhamento do processamento eletrônico de documentos em órgãos do governo 
 
Gerenciamento do relacionamento com clientes no setor de varejo 
 Para gerenciar transações baseadas em bancos de dados relacionais 
Respondido em 16/03/2020 22:03:15 
 
 
Explicação: 
É importante destacar que tal volume de dados excede o volume tradicionalmente tratado pelos sistemas 
gerenciadores de bancos de dados relacionais. 
 
 
 
 
 
 6a Questão 
 
 
São vantagens do Big Data, exceto: 
 
 
 Não é adequado para uso em órgãos governamentais, mesmo com o projeto de implantação do 
"governo digital" 
 
Economia de tempo de marketing 
 
Promove a tomada de decisões com mais inteligência 
 
Redução do total de custos de investimento 
 
Economia nos custos operacionais da empresa 
 
 
 
Sobre o big data, é correto o que se afirma em: 
 
 
 
Descreve apenas dados não estruturados 
 
 
Concentra-se no que pode ser feito com os dados. 
 
 
Cuida apenas de pequenas quantidades de dados. 
 
 
Concentra-se na quantidade de dados armazenados. 
 
 
Descreve apenas dados estruturados. 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
2. 
 
 
Dentre as opções abaixo, selecione a verdadeira em relação ao 
trabalho de um cientista de dados. 
 
 
 
Cria novos tipos de dados para linguagens de programação. 
 
 
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. 
 
 
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. 
 
 
 
 
 
 
 
 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
3. 
 
 
São vantagens do Big Data, exceto: 
 
 
 
Promove a tomada de decisões com mais inteligência 
 
 
Economia nos custos operacionais da empresa 
 
 
Economia de tempo de marketing 
 
 
Não é adequado para uso em órgãos governamentais, mesmo com o projeto de implantação do 
"governo digital" 
 
 
Redução do total de custos de investimento 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
4. 
 
 
Marque a opção que apresenta o conjunto correto de dimensões 
Big Data: 
 
 
 
Velocidade, variedade, variabilidade e simplicidade 
 
 
Volume, variedade, estabilidade e complexidade 
 
 
Volume, velocidade, variedade, variabilidade e complexidade 
 
 
Volume, velocidade, variedade, previsibilidade e simplicidade 
 
 
Estabilidade, velocidade, variedade 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. 
 
 
 
 
 
 
 
 
 
5. 
 
 
Assinale a alternativa que apresenta uma opção que justifica o 
aumento da quantidade de dados na sociedade, exceto: 
 
 
 
Todas as opções estão corretas 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
Sistemas de músicas on-line 
 
 
Bancos de vídeos 
 
 
Disponibilização de hardwares avançados 
 
 
Bases de imagens 
 
 
 
Explicação: 
A disponibilização de hardwares avançados e recursos de redes como a internet, tem possibilitado o 
armazenamentode 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. 
 
 
 
 
 
 
 
 
 
6. 
 
 
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: 
 
 
 
Utilização por órgãos governamentais. 
 
 
Determinar a causa de falhas, problemas e defeitos em tempo real. 
 
 
Geração de descontos nos pontos de venda para clientes cadastrados com base em hábitos de 
compra. 
 
 
Armazenamento de arquivos de vídeo. 
 
 
Aplicação no setor de varejo. 
 
 
 
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. 
 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
Sobre o big data, é correto o que se afirma em: 
 
 
 
Descreve apenas dados não estruturados 
 
 
Concentra-se no que pode ser feito com os dados. 
 
 
Cuida apenas de pequenas quantidades de dados. 
 
 
Descreve apenas dados estruturados. 
 
 
Concentra-se na quantidade de dados armazenados. 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
2. 
 
 
Dentre as opções abaixo, selecione a verdadeira em relação ao 
trabalho de um cientista de dados. 
 
 
 
Cria novos tipos de dados para linguagens de programação. 
 
 
Cuida do processamento de grandes quantidades de dados. 
 
 
Deve se preocupar apenas com os dados de sua empresa. 
 
 
Preocupa-se com o armazenamento de dados, não com sua qualidade. 
 
 
Não trabalha com dados brutos, apenas informações já processadas. 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
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: 
 
 
 
Geração de descontos nos pontos de venda para clientes cadastrados com base em hábitos de 
compra. 
 
 
Aplicação no setor de varejo. 
 
 
Utilização por órgãos governamentais. 
 
 
Armazenamento de arquivos de vídeo. 
 
 
Determinar a causa de falhas, problemas e defeitos em tempo real. 
 
 
 
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. 
 
 
São vantagens do Big Data, exceto: 
 
 
 
Não é adequado para uso em órgãos governamentais, mesmo com o projeto de implantação do 
"governo digital" 
 
 
Economia de tempo de marketing 
 
 
Redução do total de custos de investimento 
 
 
Economia nos custos operacionais da empresa 
 
 
Promove a tomada de decisões com mais inteligência 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
5. 
 
 
Assinale a alternativa que apresenta uma opção que justifica o 
aumento da quantidade de dados na sociedade, exceto: 
 
 
 
Disponibilização de hardwares avançados 
 
 
Todas as opções estão corretas 
 
 
Sistemas de músicas on-line 
 
 
Bases de imagens 
 
 
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. 
 
 
 
 
 
 
 
 
 
6. 
 
 
Marque a opção que apresenta o conjunto correto de dimensões 
Big Data: 
 
 
 
Velocidade, variedade, variabilidade e simplicidade 
 
 
Volume, velocidade, variedade, previsibilidade e simplicidade 
 
 
Estabilidade, velocidade, variedade e complexidade 
 
 
Volume, velocidade, variedade, variabilidade e complexidade 
 
 
Volume, variedade, estabilidade 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. 
 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
Marque a opção que apresenta 2 vantagens do Hadoop: 
 
 
 
Rápido acesso aos dados / Aumento linear da escalabilidade 
 Processa grandes volumes de dados em ambiente paralelo / Facilita a execução de agregação de 
grandes bancos de dados por meio do Reduce 
 
É usado mesmo quando o processamento não é paralelo / Facilita operações ETL em larga escala 
 
Permite o processamento de grandes datasets em paralelo / É bom para o processamento 
transacional 
 
Permite o trabalho com uma variedade de tipos de dados / É bom mesmo com lotes de dados 
pequenos 
Respondido em 24/05/2020 15:52:44 
 
 
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 
 
 
 
 
 
 2a Questão 
 
 
O MapReduce possibilita o processamento de grandes massas baseando-se: 
 
 
 
Na expansão da capacidade de armazenamento. 
 
Na velocidade dos novos processadores. 
 
No talento dos programadores. 
 Na capacidade de processamento de dados em paralelo. 
 
No processamento centralizado dos dados. 
Respondido em 24/05/2020 15:53:25 
 
 
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. 
 
 
 
 
 
 3a Questão 
 
 
Marque a opção que apresenta a composição inicial do Hadoop: 
 
 
 
MapReduce e YARN 
 
HDFS e Hive 
 
YARN e HDFS 
 
HDFS e HBase 
 MapReduce e HDFS 
Respondido em24/05/2020 15:53:52 
 
 
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 
 
 
 
 
 
 4a Questão 
 
 
É uma desvantagem do Hadoop: 
 
 
 
Manipula dados estruturados, não estruturados ou semiestruturados. 
 Não é bom para processamento de pequenos lotes de dados. 
 
Requer hardware caro e robusto. 
 
Processamento massivo de dados. 
 
Escalabilidade linear para tender volumes maiores. 
Respondido em 24/05/2020 15:54:20 
 
 
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 em larga 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. 
 
 
 
 
 
 5a Questão 
 
 
Sobre o MapReduce podemos afirmar que: 
 
 
 
Combina recursos existentes nas linguagens procedurais das quais se originou 
 É um modelo genérico de programação 
 
Permite a distribuição do processamento, mas não a junção dos resultados 
 
Usou recursos das linguagens funcionais: Map, Reduce e C 
 
A função Reduce é a responsável pelo processamento a partir das buscas em paralelo 
Respondido em 24/05/2020 15:54:34 
 
 
Explicação: 
 
O MapReduce é um modelo genérico de programação. Ele recebeu esse nome por conta da 
combinação entre os recursos existentes das linguagens funcionais que foram usadas, sendo eles o Map e o 
Reduce. 
 
 
 
 
 
 
 6a Questão 
 
 
São justificativas para o uso do Big Data em ambinete de computação distribuída, exceto: 
 
 
 
Flexibilidade quanto ao uso do processamento das aplicações de acordo com a real necessidade 
 
Eliminação do ponto único de falha 
 Facilidade no gerenciamento dos recursos computacionais 
 
Uso do paralelismo no processamento de consultas 
 
Processamento de grandes massas de dados 
Respondido em 24/05/2020 15:54:31 
 
 
Explicação: 
Há um aumento da complexidade no gerenciamento dos recursos computacionais, mas a desvantagem é 
superada em muito pelas vantagens obtidas pelo uso da computação distribuída 
 
 
 
 
 
 7a Questão 
 
 
O Hadoop é? 
 
 
 Engloba um conjunto de produtos que permite o processamento de aplicações Big Data 
 
É um banco de dados NOSQL amplamente usado em Big Data 
 
O projeto está apoiado em dois componentes principais: o Map e o Reduce 
 
É um projeto administrado atualmente pelo Google 
 
Um banco de dados orientado a objetos 
Respondido em 24/05/2020 15:54:25 
 
 
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. 
 
 
 
 
 
 
 8a Questão 
 
 
Assinale a alternativa que NÃO apresenta 2 ferramentas ou componentes usados no framework Hadoop: 
 
 
 
MapReduce e HDFS 
 Hive e Neo4J 
 
Ambari e Mahout 
 
ZooKeeper e Chukwa 
 
Pig e Hive 
Respondido em 24/05/2020 15:55:14 
 
 
Explicação: 
O Neo4J é um banco de dados NOSQL baseado em grafos 
 
 
 
Marque a opção que apresenta a composição inicial do Hadoop: 
 
 
 
HDFS e Hive 
 
 
YARN e HDFS 
 
 
MapReduce e YARN 
 
 
HDFS e HBase 
 
 
MapReduce 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 
 
 
 
 
 
 
 
 
 
2. 
 
 
Marque a opção que apresenta 2 vantagens do Hadoop: 
 
 
 
Permite o trabalho com uma variedade de tipos de dados / É bom mesmo com lotes de dados 
pequenos 
 
 
É usado mesmo quando o processamento não é paralelo / Facilita operações ETL em larga 
escala 
 
 
Permite o processamento de grandes datasets em paralelo / É bom para o processamento 
transacional 
 
 
Rápido acesso aos dados / Aumento linear da escalabilidade 
 
 
Processa grandes volumes de dados em ambiente paralelo / Facilita a execução de agregação de 
grandes bancos de dados por meio do Reduce 
 
 
 
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 
 
 
 
 
 
 
 
 
 
3. 
 
 
O Hadoop é? 
 
 
 
O projeto está apoiado em dois componentes principais: o Map e o Reduce 
 
 
É um banco de dados NOSQL amplamente usado em Big Data 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
É um projeto administrado atualmente pelo Google 
 
 
Engloba um conjunto de produtos que permite o processamento de aplicações Big Data 
 
 
Um banco de dados orientado a objetos 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
 
4. 
 
 
O MapReduce é baseado no paradigma funcional porque: 
 
 
 
Realiza as operações de busca sequencialmente. 
 
 
As operações nos dados são dependentes umas das outras. 
 
 
Possibilita o processamento centralizado dos dados. 
 
 
A ordem do processamento não é fundamental. 
 
 
É a nova tendência de programação. 
 
 
 
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). 
 
 
 
 
 
 
 
 
 
5. 
 
 
O MapReduce possibilita o processamento de grandes massas 
baseando-se: 
 
 
 
Na expansão da capacidade de armazenamento. 
 
 
No talento dos programadores. 
 
 
Na capacidade de processamento de dados em paralelo. 
 
 
No processamento centralizado dos dados. 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
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. 
 
 
 
 
 
 
 
 
 
6. 
 
 
É uma desvantagem do Hadoop: 
 
 
 
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. 
 
 
Processamento massivo de dados. 
 
 
 
Explicação: 
Vantagens do Hadoop: 
 Processamento massivo de grandes volumes de dados com paralelismo. Muitos arquivos que 
são pequenos com menosde 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 em larga 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. 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
Marque a opção que apresenta um exemplo de formato semiestruturado: 
 
 
 
XLS 
 
 
HTML 5 
 
 
CSV 
 
 
SQL 
 
 
JSON 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
 
2. 
 
 
É exemplo de dado estruturado: 
 
 
 
Arquivo XML. 
 
 
Mensagem de texto. 
 
 
Arquivo de vídeo. 
 
 
Catálogo de clientes. 
 
 
Conteúdo da Web. 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
3. 
 
 
Assinale a afirmativa que não apresenta uma característica do 
HBase: 
 
 
 
Alta taxa de trocas de dados 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
Alta disponibilidade 
 
 
Suporte ACID 
 
 
Divisão e redistribuição automática do conteúdo 
 
 
Alta velocidade 
 
 
 
Explicação: 
Embora não seja uma implementação ¿ACID¿, o HBase oferece leituras e gravações muito consistentes 
 
 
 
 
 
 
 
 
 
4. 
 
 
O HBASE é um banco de dados: 
 
 
 
Relacional. 
 
 
XML. 
 
 
Orientado a colunas. 
 
 
JSON. 
 
 
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. 
 
 
 
 
 
 
 
 
 
5. 
 
 
São exemplos de dados gerados sem intervenção humana, 
exceto: 
 
 
 
Dados obtidos via jogos 
 
 
Dispositivos médicos 
 
 
Etiquetas Radio Frequency ID (RFID) 
 
 
Medidores inteligentes 
 
 
Dados gerados por GPS 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
 
Explicação: 
Dados obtidos via jogos: os movimentos realizados em um jogo podem ser gravados. Esses dados 
podem ser analisados para avaliar a eficiência dos jogos de acordo com o nível do jogador 
 
 
 
 
 
 
 
 
 
6. 
 
 
Sobre o HDFS podemos afirmar que: 
 
 
 
A coleção completa de todos os arquivos no cluster é denominada de Namenode 
 
 
O Namenode rastreia o local onde os dados estão fisicamente 
 
 
É um cluster tolerantes a falhas e direcionado para o gerenciamento de arquivos para Big Data 
 
 
Funciona divindo arquivos grandes em pedaços menores denominados blocos 
 
 
O sistema de arquivos inclui um serviço denominado "namenode" e vários nós de dados ou 
"datanodes" 
 
 
 
Explicação: 
O NameNode também atua como um semáforo, gerenciando por completo o acesso aos arquivos por 
meio de tarefas como leituras, gravações, criação, exclusão e replicação dos blocos de dados nesses nós 
de dados. A coleção completa de todos os arquivos no cluster é chamada de namespace do sistema de 
arquivos 
 
 
 
 
 
 
 
 
 
7. 
 
 
São exemplos de dados gerados com intervenção humana, 
exceto: 
 
 
 
Dados obtidos via jogos 
 
 
Web log data 
 
 
Dados de fluxo de cliques 
 
 
Dados empresariais 
 
 
Dados de preenchimento de formulários de sistemas de informação 
 
 
 
Explicação: 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
Web log data: quando servidores, aplicativos, redes e outros operam, eles capturam todos os tipos de 
dados sobre suas atividades. Isso normalmente produz enormes volumes de dados que podem ser 
usadas posteriormente para análises, como por exemplo, verificar o andamento de contratos de nível de 
serviço ou avaliar violações de segurança. 
 
 
 
 
 
 
 
 
 
 
8. 
 
 
Não é um exemplo de dados não estruturado: 
 
 
 
Dados móveis (smartphones) 
 
 
Dados de sites 
 
 
Dados multimídia 
 
 
Redes sociais 
 
 
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. 
 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
Não é um exemplo de dados não estruturado: 
 
 
 
Dados financeiros e cadastros diversos 
 
 
Dados multimídia 
 
 
Redes sociais 
 
 
Dados móveis (smartphones) 
 
 
Dados de sites 
 
 
 
Explicação: 
Algumas fontes de dados estruturados são: os sistemas de relacionamento de clientes (CRM), dados 
financeiros e cadastros diversos, entre outros. 
 
 
 
 
 
 
 
 
 
2. 
 
 
Marque a opção que apresenta um exemplo de formato 
semiestruturado: 
 
 
 
HTML 5 
 
 
SQL 
 
 
JSON 
 
 
XLS 
 
 
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. 
 
 
 
 
 
 
 
 
 
 
3. 
 
 
Assinale a afirmativa que não apresenta uma característica do 
HBase: 
 
 
 
Divisão e redistribuição automática do conteúdo 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
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 
 
 
 
 
 
 
 
 
 
4. 
 
 
Sobre o HDFS (Hadoop Distributed File System), assinale a 
afirmativa FALSA: 
 
 
 
Voltado para edição concorrente os arquivos por diferentes usuários. 
 
 
É um sistema de arquivos distribuído. 
 
 
É um cluster tolerante a falhas. 
 
 
Voltado para o gerenciamento de arquivos big data. 
 
 
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. 
 
 
 
 
 
 
 
 
 
5. 
 
 
É exemplo de dado estruturado: 
 
 
 
Catálogo de clientes. 
 
 
Mensagem de texto. 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.aspConteúdo da Web. 
 
 
Arquivo XML. 
 
 
Arquivo de vídeo. 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
6. 
 
 
O HBASE é um banco de dados: 
 
 
 
JSON. 
 
 
Relacional. 
 
 
XML. 
 
 
Orientado a tabelas. 
 
 
Orientado a colunas. 
 
 
 
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. 
 
 
 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
É exemplo de dado estruturado: 
 
 
 
Arquivo de vídeo. 
 
 
Catálogo de clientes. 
 
 
Mensagem de texto. 
 
 
Arquivo XML. 
 
 
Conteúdo da Web. 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
2. 
 
 
O HBASE é um banco de dados: 
 
 
 
Orientado a colunas. 
 
 
Relacional. 
 
 
JSON. 
 
 
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. 
 
 
 
 
 
 
 
 
 
3. 
 
 
Não é um exemplo de dados não estruturado: 
 
 
 
Redes sociais 
 
 
Dados de sites 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
Dados financeiros e cadastros diversos 
 
 
Dados móveis (smartphones) 
 
 
Dados multimídia 
 
 
 
Explicação: 
Algumas fontes de dados estruturados são: os sistemas de relacionamento de clientes (CRM), dados 
financeiros e cadastros diversos, entre outros. 
 
 
 
 
 
 
 
 
 
4. 
 
 
Marque a opção que apresenta um exemplo de formato 
semiestruturado: 
 
 
 
JSON 
 
 
HTML 5 
 
 
CSV 
 
 
XLS 
 
 
SQL 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
 
5. 
 
 
Assinale a afirmativa que não apresenta uma característica do 
HBase: 
 
 
 
Alta disponibilidade 
 
 
Divisão e redistribuição automática do conteúdo 
 
 
Suporte ACID 
 
 
Alta velocidade 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
Alta taxa de trocas de dados 
 
 
 
Explicação: 
Embora não seja uma implementação ¿ACID¿, o HBase oferece leituras e gravações muito consistentes 
 
 
 
 
 
 
 
 
 
6. 
 
 
Sobre o HDFS (Hadoop Distributed File System), assinale a 
afirmativa FALSA: 
 
 
 
É um sistema de arquivos distribuído. 
 
 
É um cluster tolerante a falhas. 
 
 
Voltado para o gerenciamento de arquivos big data. 
 
 
Voltado para edição concorrente os arquivos por diferentes usuários. 
 
 
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. 
 
 
 
 
 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
Sobre o conceito Schemaless (sem esquema) podemos afirmar que: 
 
 
 
Indica que a base de dados não possui uma estrutura fixa, ou seja, os dados não tem estrutura 
pré-definida 
 
 
O banco de dados não necessida de um projeto físico 
 
 
O banco de dados não precisa de um esquema conceitual 
 
 
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 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
2. 
 
 
Marque a opção que apresenta as categorias de bases de dados 
no modelo NOSQL: 
 
 
 
Baseado em grafos, colunas, objetos e documentos 
 
 
Chave-valor, orientado a documentos, grafos e colunas 
 
 
JSON, XML, grafos e colunas 
 
 
Orientado a objetos, documentos, colunas e chaves de valores 
 
 
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. 
 
 
 
 
 
 
 
 
 
3. 
 
 
A base de dados NoSQL possui modelo de dados em grafos. Esse 
modelo caracteriza-se por utilizar como componentes para 
representação de dados: 
 
 
 
Um array de pares chave-valor. 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
Esquema relacional de dados. 
 
 
Pares chave-valor agrupados horizontalmente. 
 
 
Um identificador e um valor. 
 
 
Conjunto de vértices e ramos. 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
4. 
 
 
Assinale a alternativa errada sobre bancos de dados NOSQL: 
 
 
 
Pode ser usado com o PostgreSQL 
 
 
Pode ser usado para armazenar dados de documentos 
 
 
São baseados no Teorema CAP 
 
 
É schemaless ou schema free 
 
 
Há a necessidade de que os dados tenham uma 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. 
 
 
 
 
 
 
 
 
 
5. 
 
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. 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
Marque dentre as opções abaixo aquela que representa as 
características do NoSQL. 
 
 
 
Somente 1 e 2. 
 
 
Somente 2 e 3. 
 
 
Somente 1. 
 
 
1, 2 e 3. 
 
 
Somente 1 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. 
 
 
 
 
 
 
 
 
 
6. 
 
 
É um exemplo de banco de dados NoSQL: 
 
 
 
PostgreSQL 
 
 
SQL Server 
 
 
MySql 
 
 
MongoDB 
 
 
Oracle 
 
 
 
Explicação: 
Os principais bancos de dados NoSQL são: 
 BigTable 
 Redis 
 MongoDB 
 Hbase 
 Neo4j 
 Cassandra 
 CouchDb 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
Exemplos de bancos de dados relacionais: 
 PostgreSQL 
 MySql 
 Oracle SQL Server 
 
 
 
 
 
São exemplos de SGBDs orientados a documentos, exceto: 
 
 
 
MongoDB 
 
 
HBase 
 
 
RavenDB 
 
 
NEO4J 
 
 
CouchDB 
 
 
 
Explicação: 
Como exemplos desses bancos de dados podemos citar o 
MongoDB, RavenDB e o CouchDB, todos orientados a documentos 
 
 
 
 
 
 
 
 
 
2. 
 
 
Quando um documento não precisa de uma estrutura pré-definida 
dizemos que: 
 
 
 
Ele é simples. 
 
 
Ele possui esquema. 
 
 
Ele é autodescritivo. 
 
 
Ele é composto. 
 
 
Ele possui outros documentos embutidos. 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
3. 
 
 
São características do MongoDB, com exceção de: 
 
 
 
É eficaz para aplicações de análise em tempo real 
 
 
A replicação de dados é garantida através de bloqueios e pelo modelo mestre-escravo 
assíncrono 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
É multiplataforma e também funciona no Windows 
 
 
Não trabalha com o MapReduce para a agregação de coleções 
 
 
Usa um recurso chamado de cursor que funciona como um ponteiro para os dados 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
4. 
 
 
Comando utilizado para colocar um item em um bando de dados 
MongoDB. 
 
 
 
db.frutas.findOne( {item: "banana", cor: "amarelo"} ) 
 
 
db.frutas.insertOne( {item: "banana", cor: "amarelo"} ) 
 
 
db.frutas.addOne( {item: "banana", cor: "amarelo"} ) 
 
 
db.frutas.createOne( {item: "banana", cor: "amarelo"} ) 
 
 
db.frutas.updateOne( {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. 
 
 
 
 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
 
 
5. 
 
 
A unidade de armazenamento em um BD orientado a documentos, 
que é similar ao documento no modelo relacional é? 
 
 
 
Tabela 
 
 
Coluna 
 
 
Array 
 
 
Registro 
 
 
Atributo 
 
 
 
Explicação: 
Dessa forma, documento representa a unidade de armazenamento de dados, que nos sistemas 
gerenciadores de bancos de dados relacionais seriam chamados de registros ou linhas. 
 
 
 
 
 
 
 
 
 
6. 
 
 
Sobre os bancos de dados orientados a documentos podemos 
afirmar que, exceto: 
 
 
 
Entre os formatos para um documento podemos ter o XML e o JSON, apenas 
 
 
Entre os formatos para um documento podemos ter o XML, JSON, BSON e o YAML 
 
 
Não há restrições quanto ao número de campos no documento 
 
 
São exemplos desses bancos de dados o MongoDB, o RavenDB e o CouchDB 
 
 
Os documentos devem ser organizados em coleções de documentos semelhantes 
 
 
 
Explicação: 
Quanto ao formato de um documento, esses podem ser codificados de diferentes formatos, como: XML, 
JSON, BSON, YAML ou ainda com textos simples. 
 
 
 
 
 
 
 
 
 
7. 
 
 
Entre as vantagens no uso do formato de dados como documentos 
temos, exceto: 
 
 
 
Correspondem a tipos de dados nativos em muitas linguagens de programação 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
Possui esquema dinâmico que suporta o polimorfismo 
 
 
O banco de dados não necessita de um esquema 
 
 
Tem uma estrutura pré-definida 
 
 
Documentos e matrizes incorporados reduzem a necessidade de junções custosas 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
8. 
 
 
Assinale a afirmativa incorreta em relação as características 
principais do MongoDb: 
 
 
 
Os valores dos campos podem incluir outros documentos, matrizes e matrizes de documentos 
 
 
Seu uso é adequado para aplicações de bancos de dados colunares 
 
 
Possui fácil escalonamento 
 
 
Seu uso é adequado para aplicações que gerenciam redes sociais 
 
 
Não tem suporte a transações como no BD relacional 
 
 
 
Explicação: 
O SGBD NoSQL MongoDB é um sistema de gerenciamento de bancos de dados orientados a documentos, 
de esquema flexível e de código livre, desenvolvido na linguagem C++, que tem como características a 
velocidade, a eficiência e a escalabilidade. 
 
 
 
 
 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
Entre as vantagens no uso do formato de dados como documentos temos, exceto: 
 
 
 
Tem uma estrutura pré-definida 
 
 
O banco de dados não necessita de um esquema 
 
 
Documentos e matrizes incorporados reduzem a necessidade de junções custosas 
 
 
Possui esquema dinâmico que suporta o polimorfismo 
 
 
Correspondem a tipos de dados nativos em muitas linguagens de programação 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
2. 
 
 
São características do MongoDB, com exceção de: 
 
 
 
É eficaz para aplicações de análise em tempo real 
 
 
É multiplataforma e também funciona no Windows 
 
 
Não trabalha com o MapReduce para a agregação de coleções 
 
 
Usa um recurso chamado de cursor que funciona como um ponteiro para os dados 
 
 
A replicação de dados é garantida através de bloqueios e pelo modelo mestre-escravo 
assíncrono 
 
 
 
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. 
 
 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
 
 
 
 
3. 
 
 
Sobre os bancos de dados orientados a documentos podemos 
afirmar que, exceto: 
 
 
 
Os documentos devem ser organizados em coleções de documentos semelhantes 
 
 
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 
 
 
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. 
 
 
 
 
 
 
 
 
 
4. 
 
 
Dentre as opções abaixo, selecione aquela que representa uma 
codificação que NÃO foi desenvolvida para descrever dados. 
 
 
 
HTML 
 
 
YAML 
 
 
JASON 
 
 
XML 
 
 
BSON 
 
 
 
Explicação: 
HTML é uma linguagem de marcação utilizada na construção de páginas na Web. Documentos HTML 
podem ser interpretados por navegadores. 
 
 
 
 
 
 
 
 
 
5. 
 
 
Quando um documento não precisa de uma estrutura pré-definida 
dizemos que: 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
 
Ele possui esquema. 
 
 
Ele possui outros documentos embutidos. 
 
 
Ele é simples.Ele é autodescritivo. 
 
 
Ele é composto. 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
6. 
 
 
Comando utilizado para colocar um item em um bando de dados 
MongoDB. 
 
 
 
db.frutas.addOne( {item: "banana", cor: "amarelo"} ) 
 
 
db.frutas.updateOne( {item: "banana", cor: "amarelo"} ) 
 
 
db.frutas.findOne( {item: "banana", cor: "amarelo"} ) 
 
 
db.frutas.createOne( {item: "banana", cor: "amarelo"} ) 
 
 
db.frutas.insertOne( {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. 
 
 
 
 
 
 
2. 
 
 
Entre as vantagens no uso do formato de dados como documentos 
temos, exceto: 
 
 
 
Possui esquema dinâmico que suporta o polimorfismo 
 
 
Documentos e matrizes incorporados reduzem a necessidade de junções custosas 
 
 
O banco de dados não necessita de um esquema 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
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. 
 
 
 
 
 
 
 
NÃO é uma vantagem do DynamoDB 
 
 
 
Processamento de dados em temo real 
 
 
Escalabilidade 
 
 
Velocidade 
 
 
Consultas complexas em SQL 
 
 
Backup rápido 
 
 
 
Explicação: 
O DynamoDB é um banco de dados NoSQL, portanto não realiza consultas por intermédio da linguagem 
SQL. 
 
 
 
 
 
 
 
 
 
2. 
 
 
São exemplos de aplicações indicadas para o uso do modelo 
NOSQL chave-valor, exceto: 
 
 
 
Internet das Coisas (IoT) 
 
 
Sensores de dados ou via streaming 
 
 
Aplicações de bolsas de valores 
 
 
Aplicações transacionais 
 
 
Jogos on-line 
 
 
 
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 
 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
 
 
 
 
 
3. 
 
 
Marque a opção que não contém um SGBD NOSQL baseado em 
chave-valor: 
 
 
 
Cassandra 
 
 
DynamoDB 
 
 
Riak 
 
 
HBase 
 
 
Redis 
 
 
 
Explicação: 
Além do DynamoDB, Existem outros bancos de dados no modelo chave-valor, como o Cassandra , o 
Riak e o Redis 
 
 
 
 
 
 
 
 
 
4. 
 
 
Quanto ao formato de dados chave-valor podemos afirmar, 
exceto: 
 
 
 
O uso do modelo chave-valor em aplicações web e dispositivos móveis 
 
 
A chave (key) pode ser usada de formas diversas 
 
 
O valor pode ser uma lista ou outro par chave-valor encapsulado em um outro objeto 
 
 
A chave não precisa seguir uma convenção pré-estabelecida para manter uma consistência 
 
 
Um formato usado é o formato de intercâmbio JSON 
 
 
 
Explicação: 
Em qualquer caso, a chave deve seguir uma convenção acordada para manter uma consistência 
 
 
 
 
 
 
 
 
 
5. 
 
 
O DynamoDB é um exemplo de um baco de dados: 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
 
Documento 
 
 
Relacional 
 
 
SQL 
 
 
Centralizado 
 
 
Chave-valor 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
6. 
 
 
Nos bancos de dados chave-valor deve-se utilizar uma chave 
muito longa por motivos de: 
 
 
 
facilidade 
 
 
esquema 
 
 
desempenho 
 
 
limitação do servidor 
 
 
clareza 
 
 
 
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. 
 
 
. 
 
 
Quanto ao formato de dados chave-valor podemos afirmar, exceto: 
 
 
 
Um formato usado é o formato de intercâmbio JSON 
 
 
A chave não precisa seguir uma convenção pré-estabelecida para manter uma consistência 
 
 
O uso do modelo chave-valor em aplicações web e dispositivos móveis 
 
 
O valor pode ser uma lista ou outro par chave-valor encapsulado em um outro objeto 
 
 
A chave (key) pode ser usada de formas diversas 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
Explicação: 
Em qualquer caso, a chave deve seguir uma convenção acordada para manter uma consistência 
 
 
 
 
 
 
 
Uma vantagem de um banco de dados colunar em relação a um banco de dados relacional é: 
 
 
 
Operações de entrada e saída extremamente rápidas. 
 
 
Utilização de esquemas rígidos para formatos de dados. 
 
 
Utiliza a linguagem de consulta SQL. 
 
 
Todo o processamento é realizado em um servidor centralizado. 
 
 
Dados predominantemente armazenados como par chave-valor. 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
2. 
 
 
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 
 
 
colunas 
 
 
dados 
 
 
linhas 
 
 
documentos 
 
 
 
Explicação: 
Um banco de dados orientado por colunas será excelente em operações de leitura em um número 
limitado de colunas. 
 
 
 
 
 
 
 
 
 
3. 
 
 
Assinale o comando que existe no modelo orientado a colunas e 
não existe no relacional: 
 
 
 
Delete 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
Select 
 
 
Keyspace 
 
 
Insert 
 
 
Update 
 
 
 
Explicação: 
O Cassandra possui uma linguagem própria de consultas denominada de Cassandra Query Language 
(CQL) 
 
 
 
 
 
 
 
 
 
4. 
 
 
São características do banco de dados Cassandra com exceção de: 
 
 
 
Fácil distribuição de dados 
 
 
Escalabilidade elástica 
 
 
Armazenamento de dados flexível 
 
 
Tem suporte a transações 
 
 
As consultas são escritas em SQL 
 
 
 
Explicação: 
O Cassandra possui uma linguagem própria de consultas denominada de Cassandra Query Language 
(CQL). 
 
 
 
 
 
 
 
 
 
5. 
 
 
São exemplos de aplicações indicadas para o uso do modelo 
NOSQL orientado a colunas: 
 
 
 
Acompanhamento de status de pedidos de compra 
 
 
Armazenamento de dados de logs de sistemas ou de equipamentos 
 
 
Internet of Things (IoT) para veículos e dispositivos 
 
 
Registro de transações como compras 
 
 
Todas as anteriores estão corretas 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
 
Explicação: 
Outro tipo de aplicação beneficiado pelos bancos de dados colunares são os usados em aplicações OLAP 
(OnlineAnalytical 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 
 
 
 
 
 
 
 
 
 
6. 
 
 
O Cassandra é um exemplo de um banco de dados: 
 
 
 
chave-valor 
 
 
em grafo 
 
 
SQL 
 
 
colunar 
 
 
relacional 
 
 
 
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. 
 
 
 
 
 
 
 
 
2. 
 
 
O banco de dados Cassandra é adequado para projetos do Big Data. Ele é excelente em operações de 
leitura em um número limitado de: 
 
 
 
documentos 
 
 
consultas 
 
 
linhas 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
dados 
 
 
colunas 
 
 
 
Explicação: 
Um banco de dados orientado por colunas será excelente em operações de leitura em um número 
limitado de colunas. 
 
 
 
 
 
 
 
Como os bancos de dados que utilizavam a linguagem SQL fizeram para trabalhar com a incorporação de 
tipos de dados não estruturados? 
 
 
 
Incorporaram apenas tipos já previstos pela linguagem SQL. 
 
 
Modelaram os novos tipos de dados para poderem ser manipulados pela SQL. 
 
 
Adicionaram construções à linguagem SQL. 
 
 
Mantiveram a linguagem SQL, que não necessitou ser alterada. 
 
 
Substituíram a linguagem SQL pela linguagem NoSQL. 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
2. 
 
 
Em que se baseia a ideia do modelo objeto-relacional? 
 
 
 
Estender o modelo relacional incluindo características de orientação a objetos. 
 
 
Integrar bancos de dados relacionais às linguagens orientadas a objetos. 
 
 
Substituir bancos de dados relacionais por bancos de dados orientados a objetos. 
 
 
Estender o modelo de objetos incluindo características relacionais. 
 
 
Migrar gradativamente bases de dados relacionais para bases orientadas 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. 
 
 
Qual o nome do recurso do PostgreSQL usado para o 
armazenamento chave-valor? 
 
 
 
Contrib 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
Cstore 
 
 
Hstore 
 
 
JSON 
 
 
JSONB 
 
 
 
Explicação: 
O recurso Hstore fornece um armazenamento de chave-valor 
 
 
 
 
 
 
 
 
 
4. 
 
 
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 do tipo documento 
 
 
Um campo numérico, um campo texto e um multivalorado 
 
 
Um campo auto incremento, um campo texto e um do tipo JSON 
 
 
Um campo serial, um campo texto e um do tipo atribr 
 
 
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 
 
 
 
 
 
 
 
 
 
5. 
 
 
Assinale a afirmativa correta: 
 
 
 
Os fabricantes de bancos de dados relacionais não adaptaram seus SGBDs para uso no modelo 
NOSQL 
 
 
O Oracle foi adaptado para uso como NOSQL, mas não com JSON 
 
 
O PostgreSQL é um banco de dados apenas relacional 
 
 
O SQL Server funciona orientado a documentos, mas sem usar JSON 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
Os fabricantes de bancos de dados relacionais adaptaram seus SGBDs para uso no modelo 
NOSQL 
 
 
 
Explicação: 
Os grandes fabrincantes de SGBDs adaptaram seus sistemas para uso no modelo NOSQL e trabalham 
com o formato JSON 
 
 
 
 
 
 
 
 
 
 
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. 
 
 
Passaram a utilizar o SQL como linguagem de consulta. 
 
 
Estenderam seus produtos para armazenamento de dados não-estruturados. 
 
 
Criaram novos SGBDs puramente NoSQL. 
 
 
Mantiveram seus produtos como estavam, pois são tecnologias diferentes. 
 
 
 
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. 
 
 
 
 
 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
Marque a opção que apresenta características do Neo4J: 
 
 
 
Todas as anteriores são verdadeiras 
 
 
Permite a integração com outros bancos de dados 
 
 
Permite uma modelagem simples 
 
 
Permite sincronização em lote ou batch 
 
 
Suporta uma linguagem declarativa chamada Cypher 
 
 
 
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 comandosCypher 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. 
 
 
 
 
 
 
 
 
 
 
2. 
 
 
Em um banco de dados baseado em grafo, os vértices: 
 
 
 
Contém atributos do tipo chave-valor. 
 
 
Representam os relacionamentos entre os nós. 
 
 
Representam um atributo. 
 
 
Não possuem atributos. 
 
 
Podem se relacionar com no máximo um outro vértice. 
 
 
 
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. 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
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. 
 
 
 
 
 
 
 
 
 
3. 
 
 
Marque a opção que apresenta um banco de dados baseado em 
grafos: 
 
 
 
 
Datasax 
 
 
Todas as anteriores são verdadeiras 
 
 
Virtuoso 
 
 
Amazon Neptune 
 
 
Microsoft Azure Cosmos 
 
 
 
Explicação: 
Outros exemplos de bancos de dados orientados a grafos são: Microsoft Azure Cosmos , Datasax , 
OrientDB , ArangoDB , Virtuoso e Amazon Neptune , entre outros. 
 
 
 
 
 
 
 
 
 
 
4. 
 
 
Sobre os relacionamentos de um banco de dados baseado em 
grafo, assinale a alternativa correta. 
 
 
 
Sempre podem ser navegados em qualquer direção. 
 
 
Fornecem conexões bidirecionais. 
 
 
Relacionam uma quantidade arbitrária de nós. 
 
 
Não possuem propriedades. 
 
 
Não possuem nomes. 
 
 
 
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. 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
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. 
 
 
 
 
 
 
 
 
 
5. 
 
 
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: 
 
 
 
chave-valor 
 
 
colunar 
 
 
relacional 
 
 
baseado em documentos 
 
 
baseado em grafos 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
6. 
 
 
Qual o nome da linguagem de consulta utilizada no Neo4J? 
 
 
 
PL/pgSQL 
 
 
Cypher 
 
 
SQL 
 
 
PL/SQL 
 
 
CQL 
 
 
 
Explicação: 
Linguagem de consulta: o Neo4J suporta uma linguagem declarativa chamada Cypher, projetada 
especificamente para consultar gráficos e seus componentes 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
 
Marque a opção que apresenta uma possibilidade de uso de Big data em aplicações de tempo real, exceto: 
 
 
 
Todas as anteriores estão corretas 
 
 
Comportamento anormal no fluxo de dados, como uma sequência suspeita de cliques em um 
site 
 
 
Geolocalização de dispositivos (smartphones) 
 
 
Monitoramento de servidores 
 
 
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. 
 
 
É um exemplo de streaming de dados: 
 
 
 
Consulta a uma base de dados. 
 
 
Levantamento dos dados relevantes ao negócio. 
 
 
A atualização de um campo em uma tabela. 
 
 
Definição de um esquema de dados. 
 
 
Informações de sensoriamento remoto. 
 
 
 
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. 
 
 
 
 
 
 
 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
3. 
 
 
Uma das aplicações para Big Data é o Amazon Kinesis Streams, 
que é utilizado pela Netflix para: 
 
 
 
Compactar os dados enviados aos clientes. 
 
 
Monitorar as comunicações entre todos os aplicativos. 
 
 
Enviar os streams de vídeos para seus clientes. 
 
 
Inserir propagandas voltadas do perfil do cliente. 
 
 
Fazer log de todos os eventos. 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
4. 
 
 
São fatores que justificam o uso de Big data em nuvem: 
 
 
 
Todas as anteriores estão corretas 
 
 
Velocidade 
 
 
Virtualização 
 
 
Confiabilidade 
 
 
Maior custo-benefício 
 
 
 
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. 
 
 
Sobre o uso de Big Data na nuvem podemos afirmar que: 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
 
 
Todas as anteriores estão corretas 
 
 
 cenário SaaS fornece uma plataforma para a análise e dados, como por exemplo, das mídias 
sociais. 
 
 
No cenário IaaS utiliza-se a infraestrutura do provedor de nuvem para seus serviços de Big 
data. 
 
 
No cenário IaaS pode-se selecionar o sistema operacional, obtendo-se também flexibilidade no 
dimensionamento dinâmico do ambiente para atender as necessidades. 
 
 
O cenário PaaS pode ser usado para projetar, implementar e implantar aplicativos e serviços em 
um ambiente de nuvem pública ou privada. 
 
 
 
Explicação: 
 IaaS: nesse cenário, a utiliza-se a infraestrutura do 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 organizaçãopossa 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. 
 
 
 
 
 
 
 
 
 
6. 
 
 
Dentre as opções abaixo, seleciona aquela que NÃO representa 
um problema enfrentado por empresas para lidar com seus dados 
nas últimas décadas. 
 
 
 
Gerenciamento de grandes bases de dados. 
 
 
Complexidade na tarefa de manter os dados atualizados. 
 
 
Obtenção de dados de seus processos. 
 
 
Programar sistemas para manter e consultar os dados. 
 
 
Gasto na aquisição de unidades de armazenamento. 
 
 
 
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; 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 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. 
 
 
 
 
 
 
 
Uma das aplicações para Big Data é o Amazon Kinesis Streams, que é utilizado pela Netflix para: 
 
 
 
Fazer log de todos os eventos. 
 
 
Enviar os streams de vídeos para seus clientes. 
 
 
Monitorar as comunicações entre todos os aplicativos. 
 
 
Inserir propagandas voltadas do perfil do cliente. 
 
 
Compactar os dados enviados aos clientes. 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
2. 
 
 
Dentre as opções abaixo, seleciona aquela que NÃO representa 
um problema enfrentado por empresas para lidar com seus dados 
nas últimas décadas. 
 
 
 
Obtenção de dados de seus processos. 
 
 
Programar sistemas para manter e consultar os dados. 
 
 
Complexidade na tarefa de manter os dados atualizados. 
 
 
Gerenciamento de grandes bases de dados. 
 
 
Gasto na aquisição de unidades de armazenamento. 
 
 
 
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. 
 
 
 
 
 
 
 
 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 
3. 
 
 
Marque a opção que apresenta uma possibilidade de uso de Big 
data em aplicações de tempo real, exceto: 
 
 
 
Comportamento anormal no fluxo de dados, como uma sequência suspeita de cliques em um 
site 
 
 
Geolocalização de dispositivos (smartphones) 
 
 
Cliques em websites 
 
 
Monitoramento de servidores 
 
 
Todas as anteriores estão corretas 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
 
4. 
 
 
Sobre o uso de Big Data na nuvem podemos afirmar que: 
 
 
 
Todas as anteriores estão corretas 
 
 
 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. 
 
 
No cenário IaaS utiliza-se a infraestrutura do provedor de nuvem para seus serviços de Big 
data. 
 
 
 
Explicação: 
 IaaS: nesse cenário, a utiliza-se a infraestrutura do 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; 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
 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. 
 
 
 
 
 
 
 
 
 
5. 
 
 
São fatores que justificam o uso de Big data em nuvem: 
 
 
 
Virtualização 
 
 
Confiabilidade 
 
 
Todas as anteriores estão corretas 
 
 
Maior custo-benefício 
 
 
Velocidade 
 
 
 
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. 
 
 
 
 
 
 
 
 
 
 
6. 
 
 
É um exemplo de streaming de dados: 
 
 
 
Levantamento dos dados relevantes ao negócio. 
 
 
Informações de sensoriamento remoto. 
 
 
Definição de um esquema de dados. 
 
 
Consulta a uma base de dados. 
 
 
A atualização de um campo em uma tabela. 
 
 
 
Explicação: 
http://simulado.estacio.br/bdq_simulados_exercicio.asp
http://simulado.estacio.br/bdq_simulados_exercicio.asp
Dados em streaming são dados gerados continuamente por várias de fontes de dados, que geralmente 
enviam os registros de dados simultaneamente, em tamanhos pequenos. 
 
 
 
 
 
Marque a opção que apresenta uma possibilidade de uso de Big data em aplicações de tempo real, exceto: 
 
 
 
Comportamento anormal no fluxo de dados, como uma sequência suspeita de cliques em um 
site 
 
 
Cliques em websites 
 
 
Geolocalização de dispositivos (smartphones) 
 
 
Todas as anteriores estão corretas