Questões de Concurso

Atualmente, existem vários modelos arquiteturais de data warehousing, comumente chamados de arquiteturas de n camadas. As mais comuns são as arquiteturas de duas e três camadas.
Com relação ao modelo arquitetural de três camadas, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) O servidor que executa o sistema operacional e o banco de dados é a terceira camada, que mantém os dados e demais softwares.
( ) O data warehouse é uma segunda camada; trata-se de um front-end cujo software de ETL computam os dados e metadados de sistemas legados e de fontes externas, consolidando, resumindo e carregando-os no servidor de banco de dados operacional.
( ) A primeira camada inclui todos os softwares do cliente, os mecanismos do business intelligence, sistemas de suporte a decisão e business analytics do back-end; ela permite que os analistas, por meio de processamento OLAP, analisem os dados históricos consolidados nos data warehouses ou data lakes.

As afirmativas são, respectivamente,

Analise a afirmativa abaixo e assinale a alternativa que apresenta a qual conceito ela se refere.
É um repositório centralizado de dados que integra informações de várias fontes, transformando e armazenando esses dados de maneira otimizada para análise e geração de relatórios, possibilitando a tomada de decisões estratégicas fundamentadas dentro de uma organização.

Nas últimas décadas, a automatização e a inserção de máquinas agrícolas transformaram profundamente o panorama do trabalho nas áreas rurais [...] e, em menos de 50 anos, a produtividade do agronegócio brasileiro aumentou 400%. [...]
Esses resultados vieram com a adoção da tecnologia nos processos cotidianos, e também com o investimento em pesquisas [...]. Agora, o agronegócio pode estar diante de um novo salto de produtividade; big data e machine learning são ferramentas que estão ganhando espaço e que podem, novamente, transformar o cenário do campo.
Disponível em: https://summitagro.estadao.com.br/tendencias-e- -tecnologia/como-big-data-e-machine-learning-sao-aplicados-no- -agronegocio/. Acesso em: 5 jan. 2024. Adaptado.

A utilização da plataforma paralela de processamento MapReduce aplica-se adequadamente como um framework de processamento de Big Data, visando à escalabilidade para as aplicações.
Nesse contexto, uma característica inerente à MapReduce é a

O Ecossistema Spark tem componentes que oferecem funcionalidades específicas que o tornam uma ferramenta versátil e eficiente para o processamento de grandes volumes de dados, a análise em tempo real, o aprendizado de máquina e muito mais. Essa integração e flexibilidade são algumas das razões pelas quais o Spark se tornou uma ferramenta amplamente utilizada em aplicações de Big Data. Os componentes da Plataforma Spark pertencem a dois grupos principais: os componentes básicos e os componentes especializados, que provêm funcionalidades mais avançadas. Dentre os componentes básicos, podemos destacar o Spark Core, também conhecido como “coração” do Ecossistema, e que é responsável pelas tarefas consideradas essenciais.
O componente Spark Core

Um analista de dados está desenvolvendo um data warehouse para uma empresa de varejo. Ele precisa decidir se informações sobre uma venda devem ser armazenadas em uma tabela fato ou em uma tabela dimensão.
Considerando-se as características de modelagem dimensional, uma informação que deve ser armazenada em uma tabela dimensão é a(o)