Questão de Banco de Dados — Banco de Dados — FGV 2024

Formatos NetCDF4 e HDF5 para dados científicos

Gabarito: letra B. A afirmativa correta é a que distingue os dois formatos: HDF5 é otimizado para armazenamento hierárquico, enquanto NetCDF4 (no modelo clássico) não oferece suporte nativo a estruturas hierárquicas, sendo projetado para grades multidimensionais simples. As demais alternativas contêm erros conceituais ou inversões de características.

A banca cobra conhecimento técnico sobre dois formatos muito usados em ciência de dados: HDF5 (Hierarchical Data Format version 5) e NetCDF4 (Network Common Data Form version 4). A chave é entender que o HDF5 foi concebido para armazenar dados com estrutura hierárquica (grupos e datasets aninhados), enquanto o NetCDF4, em sua concepção original (modelo clássico), não possui hierarquia – ele é focado em dados de grade multidimensional. Embora o NetCDF4 moderno possa utilizar HDF5 como backend e, nesse caso, herdar a hierarquia, a banca considera a diferença essencial entre os formatos.

Alternativa A — ❌ Incorreta

Afirma que HDF5 e NetCDF4 não suportam compressão de dados. Na realidade, ambos oferecem suporte a compressão (por exemplo, filtros gzip, szip). O erro está em negar uma característica comum a esses formatos.

Alternativa B — ✅ Correta ⟵ GABARITO

A alternativa afirma que HDF5 é otimizado para o armazenamento de dados hierárquicos, enquanto NetCDF4 não oferece suporte a estruturas hierárquicas. Essa é a distinção fundamental: HDF5 foi projetado com hierarquia em mente (grupos, conjuntos de dados aninhados), enquanto NetCDF4, especialmente no modelo clássico, não tem suporte nativo a grupos – seus dados são organizados em uma estrutura plana de variáveis multidimensionais. Portanto, a afirmativa está correta.

Alternativa C — ❌ Incorreta

Diz que NetCDF4 é uma interface de alto nível baseada no formato HDF5, permitindo armazenamento de dados multidimensionais. Embora o NetCDF4 moderno possa usar HDF5 como formato de arquivo subjacente, ele também possui seu próprio formato nativo (classic model) que é independente do HDF5. A afirmação é imprecisa ao generalizar que NetCDF4 é sempre baseado em HDF5. Além disso, o NetCDF4 não é apenas uma “interface”, mas um formato de arquivo completo.

Alternativa D — ❌ Incorreta

Afirma que NetCDF4 não suporta o armazenamento de dados multidimensionais, enquanto HDF5 é otimizado para isso. A primeira parte é falsa: NetCDF4 foi justamente criado para armazenar dados multidimensionais (como grades de latitude, longitude, tempo). A segunda parte (HDF5 otimizado) é verdadeira, mas o erro na primeira torna a alternativa inteiramente incorreta.

Alternativa E — ❌ Incorreta

Diz que HDF5 foi criado para substituir o formato NetCDF4, e adiciona funções como suporte para metadados ricos. Na verdade, HDF5 (desenvolvido pelo HDF Group) é anterior ao NetCDF4, e o que ocorreu foi o contrário: o NetCDF4 foi desenvolvido posteriormente, baseando-se em HDF5 para unificar padrões. Portanto, a relação de substituição está invertida. Ambos oferecem suporte a metadados.

A questão exige conhecer as características essenciais de cada formato: hierarquia vs. simplicidade e multidimensionalidade. O gabarito destaca que a ausência de hierarquia no NetCDF4 (modelo clássico) é um diferencial em relação ao HDF5.

Gabarito: letra B