O analista de suporte José precisa otimizar o banco de dados DMJus do ambiente de Data Warehouse do MPU. O DMJus implementa modelos de dados multidimensionais cujas dimensões possuem muitos atributos de baixa cardinalidade, ou seja, apresentam um número baixo de valores distintos – por exemplo, Unidades da Federação (UF).Para otimizar o DMJus, melhorando seu desempenho, José deve criar um índice do tipo:
Ahash;
Bbitmap;
Ccaching;
Dclustered;
Enon-clustered.
Revelar gabarito e comentário▾
GabaritoB — bitmap;
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”.
Índices em Data Warehouse – Otimização para baixa cardinalidade
Gabarito: letra B (bitmap). Em ambientes de Data Warehouse, colunas com baixa cardinalidade (poucos valores distintos, como Unidades da Federação) são melhor indexadas por índices bitmap, que representam cada valor como um vetor de bits e permitem operações lógicas eficientes em consultas analíticas.
A banca cobra o conhecimento de que índices bitmap são a escolha clássica para tabelas fato e dimensões em Data Warehousing, pois colunas estrangeiras (FK) e atributos de baixa cardinalidade se beneficiam da compressão e da performance em operações de agregação.
Alternativa A — ❌ Incorreta
Índice hash. É eficiente para buscas por igualdade, mas não se destaca em consultas de intervalo ou múltiplas condições sobre colunas de baixa cardinalidade. Em Data Warehouse, onde predominam consultas complexas (star queries), o bitmap oferece melhor desempenho.
Alternativa B — ✅ Correta ⟵ GABARITO
Índice bitmap. Conforme o material de apoio: "O índice bitmap é um tipo especial de índice de Banco de Dados e que pode ser utilizado para otimizar consultas que utilizam como filtro de dados colunas que possuem baixa cardinalidade (poucas linhas)." Além disso, "Ao implementar um Data Warehouse em um banco de dados relacional, o índice que considera essas características da tabela Fato é o bitmap." Essa é a solução consagrada para o cenário descrito.
Alternativa C — ❌ Incorreta
Caching. Não é um tipo de índice, sim uma técnica de armazenamento temporário de dados (memória cache) para acelerar consultas. A questão pede explicitamente "um índice do tipo".
Alternativa D — ❌ Incorreta
Índice clustered. Reordena fisicamente os dados da tabela conforme a chave do índice. Embora útil para consultas por intervalo, não é específico para baixa cardinalidade e pode gerar sobrecarga em tabelas com muitas inserções — comum em Data Warehouse. Não é a melhor prática para colunas com poucos valores distintos.
Alternativa E — ❌ Incorreta
Índice non-clustered. É o tipo padrão de índice (B-tree), adequado para colunas com alta cardinalidade. Em colunas de baixa cardinalidade, ele é menos eficiente que o bitmap, pois gera muitas entradas e não comprime os dados tão bem.
PEGA ESSA DICA!
Em questões de Data Warehouse, lembre-se: bitmap é o índice preferido para colunas com baixa cardinalidade (até ~100 valores distintos). Ele é especialmente eficaz em consultas com múltiplos predicados (AND/OR) sobre essas colunas. Já índices B-tree (clustered/non-clustered) são mais indicados para colunas com alta cardinalidade e consultas por igualdade ou intervalo.