GabaritoA — aplicam schema-on-read.
Gabarito: letra A. Data lakes aplicam schema-on-read: o esquema dos dados é definido no momento da leitura, ao contrário dos data warehouses que usam schema-on-write. Essa é a característica central que diferencia os dois repositórios e está presente na definição técnica do conceito.
A banca cobra o conhecimento das diferenças entre data lake e data warehouse, especialmente quanto ao momento de definição do esquema. A tabela abaixo resume as principais distinções, extraídas da literatura da área:
Característica | Data Warehouse | Data Lake |
|---|---|---|
Esquema | Definido no momento da escrita (schema-on-write) | Definido no momento da leitura (schema-on-read) |
Tipo de dados | Principalmente estruturados | Estruturados, semiestruturados e não estruturados |
Processamento | ETL (Extrair, Transformar, Carregar) | ELT (Extrair, Carregar, Transformar) |
Custo de armazenamento | Mais elevado | Mais baixo |
Usuários típicos | Analistas de negócios | Cientistas de dados, engenheiros de dados |
Data lakes armazenam dados brutos sem transformação prévia, e o esquema é aplicado apenas no momento da consulta (leitura). Isso permite flexibilidade para lidar com dados de diferentes formatos e origens, sendo a abordagem padrão nesse tipo de repositório.
Data lakes não exigem normalização prévia. Eles aceitam dados no formato original (brutos), diferentemente de bancos relacionais ou data warehouses, que demandam modelagem e limpeza antes do armazenamento. A normalização prévia é típica de modelos relacionais e data warehouses, não de data lakes.
Data lakes não exportam apenas relatórios padronizados obrigatórios. Eles servem a diversos fins analíticos, como mineração de dados, machine learning e consultas ad hoc, podendo gerar saídas variadas (relatórios customizados, dashboards, APIs, etc.). A alternativa restringe indevidamente a funcionalidade do data lake.
Data lakes suportam muito mais do que SQL estruturado. Embora alguns ofereçam interfaces SQL (ex.: Presto, Hive), eles também aceitam linguagens como Python, R, Scala e APIs REST, além de processar dados não estruturados (imagens, vídeos, textos) que não se encaixam em SQL relacional.
Data lakes não são exclusivos para OLTP (Online Transaction Processing). Eles são voltados para OLAP (Online Analytical Processing) e cenários de Big Data, onde se analisam grandes volumes de dados históricos. OLTP é característico de bancos de dados transacionais (ex.: sistemas bancários), com foco em operações curtas e frequentes de inserção/atualização.
Nas provas de Banco de Dados, memorize a oposição schema-on-write (data warehouse) × schema-on-read (data lake). Essa é a diferença conceitual mais cobrada entre os dois modelos. Associe também: data warehouse → dados tratados antes do armazenamento (ETL); data lake → dados brutos armazenados, transformados depois (ELT).
Gabarito: letra A.
Link permanente: /questoes/ce228756