Questões de Concurso
Sobre banco de dados multidimensionais em banco de dados
Foram encontradas 190 questões
Analise as afirmativas abaixo no contexto da modelagem multidimensional, sobre tabelas fato.
1. É possível trabalhar com tabelas fato sem nenhum fato, contendo tão somente um conjunto de dimensões por registro.
2. Tabelas fato agregadas nada mais são do que rollups de tabelas fato atômicas com vistas à otimização de performance.
3. Tabelas fato consolidadas são aquelas capazes de consolidar fatos de múltiplas tabelas fato distintas com granularidades também distintas.
Assinale a alternativa que indica todas as afirmativas corretas.
Analise as afirmativas abaixo com relação ao modelo dimensional e aplicações de BI, no contexto de tabelas fato e dimensões.
1. No modelo dimensional, dimensões não podem conter referências a outras dimensões diretamente, sob risco de degradação de performance. Junções entre dimensões devem ser realizadas através da tabela fato correspondente.
2. Instruções SQL que realizam junções entre tabelas fato empregando suas chaves estrangeiras não devem ser utilizadas, uma vez que é impossível controlar a cardinalidade do conjunto resultante de tal junção em um banco de dados relacional.
3. Dimensões multivaloradas devem ser acopladas à tabela fato empregando-se uma chave dimensional de grupo associada a uma tabela ponte (bridge table) intermediária com uma linha para cada valor dimensional.
Assinale a alternativa que indica todas as afirmativas corretas.
O snowflaking é uma das técnicas de modelagem dimensional.
A chave da tabela de dimensão, na modelagem dimensional, é uma combinação das chaves das tabelas de fatos.
Modelagem dimensional é a forma de organização de dados que visa atender às necessidades de consulta para a tomada de decisões.
Observe o seguinte recorte de um relatório extraído do DataJud e um recorte do respectivo modelo multidimensional.
Quando a relação de hierarquia entre atributos de uma tabela dimensão é normalizada, os atributos de baixa cardinalidade são migrados para outra tabela, como exemplo: UF e Município.
Quando esse processo é repetido nas hierarquias de todas as
dimensões de um modelo multidimensional, é criada a estrutura:
Para atender ao requisito analítico, Ana deve usar o modelo multidimensional:
Modelos dimensionais e data marts são apropriados especificamente quando existe um padrão de utilização previsível.
Modelos dimensionais e data marts permitem obter alta capacidade de escalonabilidade.
Modelos dimensionais e data marts podem ser integrados, não sendo necessário soluções isoladas uma das outras, desde que sigam a arquitetura de barramento dos data marts.
Na modelagem dimensional, data marts devem ser criados e utilizados para dados de resumo.
As dimensões devem ser designadas por uma chave primária (primary key).
Tabelas dimensão como a apresentada são consideradas complexas e assimétricas pela modelagem dimensional, do ponto de vista do usuário que consome os dados.
Tabelas de fato são pontos de entrada para tabelas de dimensão.
Ao ser gerado um relatório relacionado a vendas de alguns produtos, é possível que os atributos dimensionais sejam uma fonte primária de restrição de consultas desse relatório.
Uma tabela fato como a mostrada pode apresentar uma relação de muitos para muitos em modelos dimensionais.