Questão de Banco de Dados — Tópicos Mesclados de Outros Tipos e Modelos de Banco de Dados — FCC 2026
Banco de Dados›Tópicos Mesclados de Outros Tipos e Modelos de Banco de Dados
Código
fc142117
Banca
FCC
Órgão
MPE SE
Ano
2026
Cargo
Ana ( )
Uma equipe de infraestrutura está planejando o deploy de um novo sistema de análise de dados operacional, que exige baixa latência nas consultas em tempo real, alta escalabilidade e processamento em paralelo para suportar múltiplos usuários simultâneos. A solução deve ser baseada em serviços de banco de dados gerenciados das três principais plataformas de nuvem pública (AWS, Azure e Google Cloud), de forma a garantir consistência forte, resiliência e redução do esforço operacional da equipe.
Considerando os serviços de banco de dados oferecidos por cada plataforma, a combinação de escolhas que melhor atende aos requisitos do projeto é:
AUtilizar o Amazon RDS (AWS), Azure SQL Database e Google Cloud SQL. Considere que, embora esses serviços sejam gerenciados, eles são baseados em bancos de dados serializados tradicionais, e talvez não sejam ideais para o processamento em paralelo e a alta escalabilidade exigida pelo sistema de análise de dados.
BUsar o Amazon DynamoDB (AWS), Azure Cosmos DB e Google Cloud Datastore. Estes são bancos de dados NoSQL que oferecem alta escalabilidade e baixa latência. No entanto, o sistema de análise de dados pode ter consultas complexas que se beneficiam de um modelo de dados relacional.
COptar pelo Amazon Aurora (AWS), Azure Cosmos DB e Google Cloud Spanner. O Amazon Aurora é um banco de dados relacional de alto desempenho com escalabilidade impressionante, o Azure Cosmos DB é um banco de dados NoSQL multimodelo e distribuído globalmente, e o Google Cloud Spanner é um banco de dados relacional distribuído globalmente que combina consistência e alta disponibilidade.
DEscolher o Amazon S3 (AWS), Azure Blob Storage e Google Cloud Storage. Estes serviços são soluções de armazenamento de objetos, não bancos de dados. Embora possam ser usados para armazenar dados brutos, eles não oferecem as funcionalidades de consulta e o desempenho de um banco de dados para a análise de dados.
EAdotar o Amazon Redshift (AWS), Azure Synapse Analytics e Google BigQuery. Estes são serviços de data warehouse para análise massiva de dados. Embora sejam ideais para o processamento de grandes volumes de dados, eles são otimizados para consultas de Business Intelligence (BI) e não para a baixa latência de consultas pontuais de um sistema de análise operacional.
Revelar gabarito e comentário▾
GabaritoC — Optar pelo Amazon Aurora (AWS), Azure Cosmos DB e Google Cloud Spanner. O Amazon Aurora é um banco de dados relacional de alto desempenho com escalabilidade impressionante, o Azure Cosmos DB é um banco de dados NoSQL multimodelo e distribuído globalmente, e o Google Cloud Spanner é um banco de dados relacional distribuído globalmente que combina consistência e alta disponibilidade.
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”.
Serviços de banco de dados gerenciados em nuvem: escolha da combinação ideal
Gabarito: letra C. A combinação Amazon Aurora (AWS), Azure Cosmos DB e Google Cloud Spanner atende aos requisitos de baixa latência, alta escalabilidade, processamento paralelo e consistência forte, pois reúne os serviços de banco de dados mais avançados e específicos de cada provedor de nuvem para cenários de alta performance global. A alternativa C é a única que combina um banco relacional de alto desempenho (Aurora), um NoSQL multimodelo distribuído globalmente (Cosmos DB) e um banco relacional distribuído globalmente com consistência forte (Spanner), todos gerenciados e projetados para escalabilidade horizontal e baixa latência.
O enunciado descreve um sistema de análise de dados operacional com requisitos bem definidos: baixa latência em consultas em tempo real, alta escalabilidade, processamento em paralelo, consistência forte, resiliência e redução do esforço operacional. Para escolher a combinação correta, é preciso entender as categorias de serviços de dados em nuvem e o que cada uma oferece.
Primeiro, temos os bancos de dados relacionais tradicionais gerenciados, como Amazon RDS, Azure SQL Database e Google Cloud SQL. Eles são ótimos para aplicações transacionais (OLTP) e oferecem consistência forte, mas geralmente escalam verticalmente (aumentando recursos da máquina), o que limita a escalabilidade horizontal e o processamento paralelo em larga escala. Para um sistema de análise em tempo real com muitos usuários simultâneos, eles podem não ser a melhor escolha.
Em segundo lugar, temos os bancos de dados NoSQL, como Amazon DynamoDB, Azure Cosmos DB e Google Cloud Datastore. Eles são projetados para alta escalabilidade horizontal e baixa latência, mas muitos abrem mão de consistência forte em favor de consistência eventual (teorema CAP). Além disso, consultas complexas com JOINs e agregações são mais difíceis de implementar. O Azure Cosmos DB, no entanto, é um caso especial: é multimodelo e permite escolher o nível de consistência, incluindo consistência forte, e oferece distribuição global com latência de milissegundos.
Terceiro, temos os data warehouses, como Amazon Redshift, Azure Synapse Analytics e Google BigQuery. Eles são otimizados para processamento analítico de grandes volumes de dados históricos (OLAP) e consultas de BI, mas não são ideais para consultas pontuais de baixa latência em sistemas operacionais. Eles têm alta latência para consultas individuais e são projetados para processamento em lote.
Quarto, temos o armazenamento de objetos, como Amazon S3, Azure Blob Storage e Google Cloud Storage. Eles servem para armazenar arquivos brutos (imagens, vídeos, backups), mas não são bancos de dados e não oferecem funcionalidades de consulta de baixa latência.
Por fim, temos os bancos de dados de nova geração (NewSQL) e serviços premium, como Amazon Aurora, Azure Cosmos DB e Google Cloud Spanner. O Amazon Aurora é um banco relacional compatível com MySQL/PostgreSQL, mas com desempenho e escalabilidade superiores, projetado para a nuvem. O Azure Cosmos DB é um banco NoSQL multimodelo distribuído globalmente, com suporte a consistência forte e latência de milissegundos. O Google Cloud Spanner é um banco relacional distribuído globalmente que combina escalabilidade horizontal com consistência forte, algo raro em bancos relacionais.
A pegadinha da questão está em reconhecer que a alternativa C é a única que combina serviços de categorias diferentes (relacional de alto desempenho, NoSQL multimodelo e relacional distribuído) que, juntos, atendem a todos os requisitos: baixa latência (Cosmos DB, Spanner), alta escalabilidade (todos), processamento paralelo (todos), consistência forte (Aurora, Spanner, e Cosmos DB com consistência forte) e resiliência (todos são gerenciados e distribuídos).
Serviços de dados em nuvem: Relacionais tradicionais (RDS, SQL DB, Cloud SQL) (Consistência forte, Escala vertical limitada); NoSQL (DynamoDB, Cosmos DB, Datastore) (Alta escala e baixa latência, Consultas complexas difíceis); Data warehouses (Redshift, Synapse, BigQuery) (OLAP e BI, Alta latência pontual); Armazenamento de objetos (S3, Blob, Cloud Storage) (Arquivos brutos, Sem consulta de baixa latência); Nova geração (Aurora, Cosmos DB, Spanner) (Relacional de alto desempenho, NoSQL multimodelo global, Relacional distribuído com consistência forte)
Alternativa A — ❌ Incorreta
A alternativa A sugere Amazon RDS, Azure SQL Database e Google Cloud SQL. Esses são bancos relacionais tradicionais gerenciados, que oferecem consistência forte, mas têm escalabilidade limitada (principalmente vertical) e não são ideais para processamento paralelo em larga escala. A própria alternativa reconhece essa limitação, o que a torna incorreta para os requisitos de alta escalabilidade e processamento paralelo.
Alternativa B — ❌ Incorreta
A alternativa B sugere Amazon DynamoDB, Azure Cosmos DB e Google Cloud Datastore. Esses são bancos NoSQL com alta escalabilidade e baixa latência, mas a alternativa aponta corretamente que consultas complexas podem ser um problema. Além disso, o Google Cloud Datastore é um banco NoSQL de documentos, mas não é tão robusto quanto o Spanner para consistência forte. A alternativa é incorreta porque não atende plenamente ao requisito de consistência forte e pode ter dificuldades com consultas complexas.
Alternativa C — ✅ Correta ⟵ GABARITO
A alternativa C combina Amazon Aurora, Azure Cosmos DB e Google Cloud Spanner. O Amazon Aurora é um banco relacional de alto desempenho com escalabilidade impressionante, o Azure Cosmos DB é um banco NoSQL multimodelo distribuído globalmente com consistência forte opcional, e o Google Cloud Spanner é um banco relacional distribuído globalmente que combina consistência forte e alta disponibilidade. Essa combinação atende a todos os requisitos: baixa latência, alta escalabilidade, processamento paralelo, consistência forte e resiliência.
Alternativa D — ❌ Incorreta
A alternativa D sugere Amazon S3, Azure Blob Storage e Google Cloud Storage. Esses são serviços de armazenamento de objetos, não bancos de dados. Eles servem para armazenar arquivos brutos, mas não oferecem funcionalidades de consulta de baixa latência nem processamento de dados como um banco de dados. Portanto, não atendem aos requisitos do sistema de análise.
Alternativa E — ❌ Incorreta
A alternativa E sugere Amazon Redshift, Azure Synapse Analytics e Google BigQuery. Esses são data warehouses otimizados para análise de grandes volumes de dados (OLAP) e consultas de BI. No entanto, eles não são ideais para consultas pontuais de baixa latência em sistemas operacionais, pois têm latência maior para consultas individuais e são projetados para processamento em lote. Portanto, não atendem ao requisito de baixa latência em tempo real.