Os sistemas de Data Warehouse são tradicionalmente suportados por modelos multidimensionais predefinidos, tendo o intuito de prover suporte a aplic...

Os sistemas de Data Warehouse são tradicionalmente suportados por modelos multidimensionais predefinidos, tendo o intuito de prover suporte a aplicações de Business Intelligence. A resposta às novas necessidades é a utilização de memória extensiva, distribuição de dados e paralelização de processamento, que, de uma forma ou de outra, estão incluídos no Apache Hadoop, Apache Spark, bases de dados NoSQL e tecnologias complementares a estas. Uma característica importante do Apache Spark é

(A) realizar processamento em lote, sendo adequado para cargas de trabalho como análises retrospectivas.
(B) ser baseado no mapeamento de memória, dividindo dados em blocos e distribuindo entre os nós de um cluster.
(C) utilizar in-memory cache (cache em memória) e recursos de otimização para agilizar consultas analíticas em conjuntos de dados de qualquer tamanho.
(D) gerenciar e monitorar clusters de nós, otimizando o processamento por meio de paralelismo.