Em relação a banco de dados em memória, soluções para Big Data e dados estruturados e não estruturados, julgue o item que se segue. O Hadoop é uma solução para Big Data e foi desenvolvido para armazenar e processar dados em diferentes máquinas com alta velocidade e baixo custo, permitindo a integração de dados por meio da orquestração deles.
CCerto
EErrado
Revelar gabarito e comentário▾
GabaritoC — Certo
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”.
Hadoop e Big Data
Gabarito: ✅ CERTO. O Hadoop é, de fato, um framework de código aberto amplamente utilizado para Big Data, projetado para armazenar e processar grandes volumes de dados em clusters de máquinas comuns (commodity hardware), oferecendo alto desempenho e baixo custo. Ele permite a integração e orquestração dos dados por meio de seus componentes principais (HDFS para armazenamento distribuído e MapReduce para processamento paralelo), viabilizando o tratamento de dados estruturados e não estruturados em escala.
A afirmação da questão reflete esse conceito consolidado: o Hadoop foi criado para lidar com Big Data utilizando múltiplas máquinas, com alta velocidade (devido ao processamento paralelo do MapReduce) e baixo custo (já que usa hardware comum), além de permitir a integração dos dados por meio de orquestração — exatamente o papel do JobTracker (ou YARN) e do ecossistema Hadoop.
Não há erro na assertiva: ela descreve corretamente as características fundamentais do Hadoop como solução de Big Data.
Hadoop (Big Data): Armazenamento (HDFS (distribuído), Commodity hardware (baixo custo)); Processamento (MapReduce (paralelo → alta velocidade), YARN (orquestração)); Dados (Estruturados, Não estruturados)