Questão de Banco de Dados — Administração de banco de dados — FGV 2023
Banco de Dados›Administração de banco de dados
Código
fg072446
Banca
FGV
Órgão
TJ-RN
Ano
2023
Nível
Superior
Cargo
Analista Judiciário - Tecnologia de Informação – Análise de Suporte
A analista de suporte Ana gerencia o ELCluster na PGM de Niterói. O ELCluster agrupa nós do servidor de busca e análise de dados Elasticsearch. O Elasticsearch do ELCluster foi configurado para realizar uma série de transformações nos dados de entrada, a fim de extrair conteúdos específicos possivelmente presentes nos dados. Essas transformações são executadas em um pipeline antes da indexação dos dados. Ana constatou um desempenho abaixo do esperado nas transformações dos dados de entrada do ELCluster e concluiu serem necessários mais nós Elasticsearch dedicados à execução de pipelines de pré-processamento de dados.Logo, Ana deve adicionar ao ELCluster mais nós Elasticsearch do tipo:
Adata;
Bingest;
Ctransform;
Dmaster-eligible;
Emachine learning.
Revelar gabarito e comentário▾
GabaritoB — ingest;
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”.
Elasticsearch: tipos de nós e pipelines de ingestão
Gabarito: letra B (ingest). Ana precisa de nós especializados em executar pipelines de pré-processamento antes da indexação. No Elasticsearch, essa função é exclusiva dos nós ingest (ingest), que aplicam transformações (enriquecimento, remoção de campos, conversões) diretamente nos dados de entrada por meio de ingest pipelines. As demais opções não são dedicadas ao pré-processamento: nós data armazenam e consultam dados; transform realiza transformações assíncronas em dados já indexados; master-eligible gerencia o cluster; machine learning executa jobs de ML.
A questão exige conhecimento sobre a arquitetura de nós do Elasticsearch. Cada nó tem uma função específica:
Tipo de nó
Função principal
Relação com pré-processamento (ingest pipeline)
Data
Armazenar dados e executar buscas/agregações
Não executa pipelines de ingestão por padrão (pode ser configurado, mas não é o ideal)
Ingest
Executar pipelines de pré-processamento antes da indexação
Sim, é a função nativa e otimizada
Transform
Transformações contínuas em dados já indexados (ex.: sumarização)
Não; trabalha com dados pós-indexação
Master-eligible
Gerenciar o cluster (eleição, estado)
Não processa dados de ingestão
Machine learning
Executar jobs de aprendizado de máquina
Não; focado em análise preditiva/anomalias
Nós Elasticsearch: Data (Armazenar e consultar dados, Não executa ingest pipeline (padrão)); Ingest (Executa pipelines de pré-processamento, Antes da indexação); Transform (Transformações em dados já indexados, Pós-indexação); Master-eligible (Gerenciar cluster, Não processa dados); Machine learning (Jobs de ML, Análise preditiva)
Alternativa A — ❌ Incorreta (data)
Nós data são responsáveis por armazenar e recuperar dados indexados. Embora possam executar pipelines de ingestão se configurados, não são dedicados a essa tarefa. A demanda explícita por "mais nós dedicados à execução de pipelines de pré-processamento" aponta para o tipo especializado: ingest.
Alternativa B — ✅ Correta (ingest) ⟵ GABARITO
Nós ingest foram projetados exclusivamente para executar ingest pipelines: sequências de transformações (filtros, enriquecimento, conversão) aplicadas aos documentos antes de serem indexados. Eles absorvem a carga de pré-processamento, liberando os nós data para buscas e armazenamento. Essa é exatamente a necessidade de Ana.
Alternativa C — ❌ Incorreta (transform)
Nós transform realizam transformações assíncronas e contínuas em dados já indexados (ex.: criar sumários agregados periódicos). Não atuam no pipeline de ingestão (pré-indexação). Confundir "transform" com pré-processamento é um erro comum.
Alternativa D — ❌ Incorreta (master-eligible)
Nós master-eligible participam da eleição do nó mestre e mantêm o estado do cluster. Não processam dados nem executam pipelines. Adicionar esse tipo não resolve o gargalo de pré-processamento.
Alternativa E — ❌ Incorreta (machine learning)
Nós machine learning (ML) executam jobs de aprendizado de máquina, como detecção de anomalias e previsão de séries temporais. Não têm relação com pipelines de ingestão.
PEGA ESSA DICA!
Em questões sobre Elasticsearch, lembre-se da sigla "DIME" para tipos de nós: Data, Ingest, Master, Machine learning (e também Transform, embora seja mais recente). O papel de cada um é distinto: Ingest = pré-indexação; Data = armazenamento/busca; Master = coordenação; ML = análise avançada; Transform = pós-indexação.