Questão de Banco de Dados — Big Data — CESPE / CEBRASPE 2026
Banco de Dados›Big Data
Código
ce225558
Banca
CESPE / CEBRASPE
Órgão
IPAAM
Ano
2026
Nível
Superior
Cargo
Analista Ambiental – Especialidade: Análise de Sistemas
No contexto de arquiteturas modernas de dados, data lakes são adotados para lidar com grande volume, variedade e velocidade de dados, mantendo flexibilidade para múltiplos usos analíticos, tendo como princípio a estratégia
Ade cubos.
Bde normalização.
COLTP.
Dschema-on-read.
Eschema-on-write.
Revelar gabarito e comentário▾
GabaritoD — schema-on-read.
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”.
Data Lakes e o princípio schema-on-read
Gabarito: letra D. Data lakes armazenam dados brutos sem definição prévia de esquema; o esquema é definido apenas no momento da leitura — estratégia conhecida como schema-on-read. É o oposto do data warehouse, que usa schema-on-write (esquema definido antes da carga).
A banca testa o conceito central de arquitetura de data lakes, contrastando com data warehouses. Enquanto data warehouses exigem modelagem prévia (schema-on-write), data lakes preservam a flexibilidade ao adiar a definição do esquema para a consulta.
Alternativa A — ❌ Incorreta
"de cubos" refere-se a cubos OLAP (processamento analítico on-line), uma estrutura multidimensional usada em data warehouses, não ao princípio de ingestão do data lake.
Alternativa B — ❌ Incorreta
Normalização é uma técnica de modelagem de bancos de dados relacionais (especialmente para reduzir redundância), mas não é o princípio de arquitetura de data lakes.
Alternativa C — ❌ Incorreta
OLTP (On-line Transaction Processing) é um sistema voltado a transações operacionais (CRUD), não à análise flexível de grandes volumes de dados brutos como faz o data lake.
Alternativa D — ✅ Correta ⟵ GABARITO
Exatamente: data lakes adotam schema-on-read — o esquema é aplicado no momento da consulta, permitindo armazenar dados em formato bruto e utilizá-los para múltiplos propósitos analíticos sem transformação prévia. Isso viabiliza lidar com grande volume, variedade e velocidade.
Alternativa E — ❌ Incorreta
Schema-on-write é o princípio dos data warehouses: os dados são estruturados e transformados antes da carga, sacrificando a flexibilidade. Não se aplica a data lakes.
NÃO CAIA NESSA!
A banca explora a confusão entre data lake e data warehouse. O aluno que associa "dados estruturados e pré-definidos" a data lake tende a marcar schema-on-write (E). Lembre: data warehouse = schema-on-write; data lake = schema-on-read.