Questão de Sistemas de Informação — Sistemas de Processamento em lotes — FGV 2024
Sistemas de Informação›Sistemas de Processamento em lotes
Código
fg097435
Banca
FGV
Órgão
TCE-PA
Ano
2024
Nível
Superior
Cargo
Auditor de Controle Externo - Área de Informática - Administrador de Banco de Dados
Assinale a opção que apresenta exemplos de tecnologias que comportam processamento em lote e em fluxo simultaneamente e nativamente.
AApache Storm e Apache Flink.
BApache Hadoop e Apache Storm.
CApache Flink e Apache Spark.
DApache Kafka e Apache Flink.
EApache Kafka e Apache Storm.
Revelar gabarito e comentário▾
GabaritoC — Apache Flink e Apache Spark.
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”.
Tecnologias de processamento em lote e fluxo simultâneo
Gabarito: letra C (Apache Flink e Apache Spark). A questão cobra o conhecimento de quais frameworks de processamento de dados suportam nativamente e simultaneamente os paradigmas de lote (batch) e fluxo (stream). Apache Flink e Apache Spark são as únicas opções que oferecem uma engine unificada capaz de executar ambos os modos de forma nativa, enquanto as demais alternativas combinam tecnologias que são exclusivas de um paradigma ou não são engines de processamento.
A banca testa a compreensão das capacidades de cada tecnologia:
Tecnologia
Batch nativo
Stream nativo
Observação
Apache Hadoop
✅
❌
MapReduce é batch puro; não processa streams.
Apache Storm
❌
✅
Projetado apenas para stream; batch não é nativo.
Apache Flink
✅
✅
Batch tratado como um caso especial de stream (bounded stream).
Apache Spark
✅
✅ (micro-batch)
Spark Streaming utiliza micro-batches, mas é considerado nativo para stream.
Apache Kafka
❌ (não é engine)
❌ (plataforma de mensageria)
Não processa dados; é um sistema de mensageria/pub-sub.
Apache Storm e Apache Flink. Storm não suporta batch nativamente; é exclusivo para stream. Embora Flink suporte ambos, a combinação não oferece duas tecnologias que façam ambos simultaneamente.
Alternativa B — ❌ Incorreta
Apache Hadoop e Apache Storm. Hadoop é batch; Storm é stream. Nenhum dos dois suporta ambos os paradigmas de forma nativa.
Alternativa C — ✅ Correta ⟵ GABARITO
Apache Flink e Apache Spark. Ambos são engines de processamento unificado que suportam nativamente tanto batch quanto stream (Flink com stream verdadeiro, Spark com micro-batch). São as tecnologias mais consolidadas para esse propósito.
Alternativa D — ❌ Incorreta
Apache Kafka e Apache Flink. Kafka não é uma engine de processamento; é uma plataforma de mensageria. Flink sozinho suporta ambos, mas a alternativa requer duas tecnologias que façam isso.
Alternativa E — ❌ Incorreta
Apache Kafka e Apache Storm. Kafka não processa; Storm só stream.
PEGA ESSA DICA!
Na prova, lembre-se: para processamento híbrido (batch + stream), as ferramentas consagradas são Flink (stream verdadeiro) e Spark (micro-batch). Storm e Hadoop são especialistas; Kafka é mensageria. Use a tabela acima como guia rápido.