Questão de Banco de Dados — Banco de Dados — CESPE / CEBRASPE 2018
Banco de Dados›Banco de Dados
Código
ce102847
Banca
CESPE / CEBRASPE
Órgão
TCE-PB
Ano
2018
Nível
Superior
Cargo
CESPE - - Auditor de Contas Públicas - Demais Áreas
Com referência a big data, assinale a opção correta.
AA definição mais ampla de big data restringe o termo a duas partes — o volume absoluto e a velocidade —, o que facilita a extração das informações e dos insights de negócios.
BO sistema de arquivos distribuído Hadoop implementa o algoritmo Dijkstra modificado para busca irrestrita de dados em árvores aglomeradas em clusters com criptografia.
CEm big data, o sistema de arquivos HDFS é usado para armazenar arquivos muito grandes de forma distribuída, tendo como princípio o write-many, read-once.
DPara armazenar e recuperar grande volume de dados, o big data utiliza bancos SQL nativos, que são bancos de dados que podem estar configurados em quatro tipos diferentes de armazenamentos: valor chave, colunar, gráfico ou documento.
EO MapReduce é considerado um modelo de programação que permite o processamento de dados massivos em um algoritmo paralelo e distribuído.
Revelar gabarito e comentário▾
GabaritoE — O MapReduce é considerado um modelo de programação que permite o processamento de dados massivos em um algoritmo paralelo e distribuído.
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Big Data
Gabarito: letra E. MapReduce é um modelo de programação que permite o processamento de dados massivos de forma paralela e distribuída, conforme amplamente reconhecido na literatura de big data.
A banca testa o conhecimento dos conceitos fundamentais de big data, especialmente as características dos sistemas Hadoop e MapReduce. Vamos analisar cada alternativa.
Big Data: 3 Vs clássicos (Volume, Velocidade, Variedade); HDFS (Write-once, read-many, Blocos distribuídos em nós); MapReduce (Modelo de programação, Processamento paralelo e distribuído, Fases: map e reduce); Bancos NoSQL (Valor-chave, Colunar, Gráfico, Documento)
Alternativa A — ❌ Incorreta
Afirma que a definição mais ampla de big data restringe-se a duas partes: volume e velocidade. No entanto, a definição clássica envolve três Vs: volume, velocidade e variedade (3 Vs). Algumas versões mais recentes incluem ainda veracidade, valor, etc. Restringir a apenas dois é um erro conceitual.
Alternativa B — ❌ Incorreta
Alega que o sistema de arquivos distribuído Hadoop (HDFS) implementa o algoritmo de Dijkstra modificado para busca em árvores com criptografia. O HDFS não utiliza o algoritmo de Dijkstra; ele é um sistema de arquivos que divide arquivos em blocos e os distribui em nós do cluster. A menção a "algoritmo Dijkstra" e "busca irrestrita em árvores aglomeradas" é totalmente descabida.
Alternativa C — ❌ Incorreta
Descreve o HDFS com o princípio "write-many, read-once". Na verdade, o HDFS segue o princípio write-once, read-many: os arquivos são escritos uma vez e podem ser lidos várias vezes, mas não são alterados após a escrita (imutabilidade).
Alternativa D — ❌ Incorreta
Diz que big data utiliza bancos SQL nativos configurados em quatro tipos: valor-chave, colunar, gráfico ou documento. Esses quatro tipos são característicos de bancos NoSQL, não de bancos SQL nativos (relacionais). Big data frequentemente emprega bancos NoSQL para escalabilidade e flexibilidade.
Alternativa E — ✅ Correta
MapReduce é de fato um modelo de programação criado pela Google para processamento paralelo e distribuído de grandes conjuntos de dados. Ele divide o trabalho em fases map e reduce, executadas em clusters. A afirmativa está correta.
SE LIGUE NESSA!
Esta questão aborda definições básicas de big data. O erro mais comum é confundir as características do HDFS e dos bancos NoSQL.