Uma empresa pública de tecnologia da informação gerencia o sistema de Nota Fiscal Eletrônica de um estado, processando mais de 50 milhões de registros transacionais diariamente. O banco de dados relacional centralizado começou a apresentar degradação crítica de desempenho de E/S de disco e gargalos na gravação de dados devido ao tamanho massivo das tabelas.
Visando descentralizar a escrita e a leitura, o Analista de Tecnologia propôs aplicar a técnica de Sharding horizontal, distribuindo as linhas das tabelas em múltiplos servidores de banco de dados independentes e fisicamente separados.
Ao projetar uma arquitetura distribuída baseada em Sharding, o principal desafio arquitetural que o analista enfrentará para garantir a eficiência das consultas e evitar a degradação do sistema é 

Em relação aos bancos de dados NoSQL orientados a documentos e às técnicas empregadas nesse tipo de NoSQL, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) A normalização dos dados é frequentemente utilizada, garantindo a consistência dos dados, escalabilidade e evitando redundância.
( ) Utilizam um modelo de dados flexível (schemaless), e empregam preferencialmente o armazenado de dados em formatos como PDF e TXT.
( ) São comumente mais escaláveis horizontalmente do que bancos de dados relacionais, permitindo dessa forma a distribuição de dados entre múltiplos servidores.

As afirmativas são, respectivamente, 

Sistemas back-end distribuídos frequentemente precisam operar em ambientes sujeitos a falhas de rede, latência variável e crescimento horizontal. Nesse contexto, bancos de dados distribuídos adotam diferentes compromissos arquiteturais para equilibrar consistência, disponibilidade e tolerância a particionamento, conforme formalizado pelo Teorema CAP, que orienta decisões de projeto em aplicações de larga escala.

Considere um sistema back-end distribuído que precisa permanecer operacional mesmo diante de falhas de comunicação entre nós, atendendo requisições de leitura e escrita sob carga elevada, com dados replicados geograficamente.

Nesse contexto, assinale a alternativa que descreve corretamente uma implicação do Teorema CAP aplicada ao projeto de bancos de dados distribuídos.

Os bancos de dados NoSQL utilizam um modelo transacional mais flexível em relação ao modelo ACID (atomicidade, consistência, isolamento e durabilidade) tradicional. Esse modelo é conhecimento como BASE (Basically Available, Soft State e Eventually Consistent).

Assinale a alternativa que traz corretamente uma característica do modelo BASE e sua respectiva definição.

Uma universidade possui vários campi nas cidades do mesmo Estado. Para otimizar o acesso, o DBA decide que os dados dos alunos que estudam em cada campus serão armazenados no servidor daquele polo. Cada uma das partes mantém todas as colunas da tabela original.
Essa técnica de divisão de dados é conhecida como: 

Em um banco de dados distribuído, o sistema permite que um usuário emita uma consulta como SELECT * FROM FUNCIONARIO sem precisar saber em qual cidade ou servidor as tuplas dessa tabela estão fisicamente armazenadas ou se a tabela foi dividida entre vários locais.
Essa capacidade do SGBDD é chamada de:

No contexto dos sistemas computacionais modernos, especialmente em ambientes corporativos e distribuídos, diversos mecanismos são empregados para garantir integridade, desempenho, continuidade operacional e confiabilidade no processamento das informações. Sobre esse assunto, julgue as sentenças abaixo como VERDADEIRAS (V) ou FALSAS (F).
(__) O controle de concorrência constitui um dos pilares da integridade em sistemas computacionais multiusuários, especialmente em bancos de dados e ambientes distribuídos.
(__) O gerenciamento de desempenho envolve o monitoramento contínuo de métricas como tempo de resposta, throughput, consumo de CPU, memória, latência de rede e gargalos de entrada e saída, buscando otimizar a eficiência operacional dos sistemas.
(__) O gerenciamento de desempenho coordena acessos simultâneos aos mesmos recursos sem comprometer consistência, isolamento e confiabilidade das transações.
A sequência correta é:

Um arquiteto de sistemas de uma instituição financeira gerencia um ambiente de banco de dados distribuído que opera com o protocolo de efetivação em duas fases (2PC) para garantir a consistência ACID. Em um cenário de auditoria, uma transação T1 envolve o débito na conta de um cliente no servidor X e o crédito na conta de uma loja no servidor Y. Durante a execução, o coordenador da transação emite a ordem de preparação e tanto o servidor X quanto o servidor Y respondem afirmativamente (Vote Commit), entrando no estado de prontidão. Imediatamente após receber os votos, o coordenador toma a decisão de efetivar a transação e grava o registro Commit em seu armazenamento estável, mas falha criticamente antes de conseguir transmitir a mensagem de decisão para qualquer um dos servidores participantes. Diante desse cenário de falha do coordenador após o voto de prontidão dos participantes, qual é o comportamento técnico obrigatório do servidor Y? 

Para processar terabytes de logs de notas fiscais eletrônicas, o TCE-SC utiliza um cluster Apache Spark. O Auditor nota que o processamento está lento devido ao excesso de movimentação de dados entre os nós da rede durante operações de agrupamento.
A operação do Spark conhecida por causar esse fenômeno de Shuffle e que deve ser utilizada com cautela em grandes datasets é:

Em bancos de dados distribuídos, o Sharding é utilizado para distribuir dados entre múltiplos nós, visando escalabilidade horizontal e melhor desempenho. A respeito do Sharding, assinale a alternativa correta: 

Em sistemas distribuídos que executam transações envolvendo múltiplos nós, a garantia de atomicidade é frequentemente obtida por meio do protocolo Two-Phase Commit, no qual um coordenador interage com participantes por meio de duas fases distintas: prepare (voting) e commit/abort. O protocolo assume comunicação confiável e utiliza registros persistentes (logs) para permitir recuperação após falhas, mantendo consistência entre os participantes. Considerando as propriedades formais do protocolo 2PC, assinale a alternativa correta: 

O Portal da Transparência do Governo Federal precisa lidar com um volume massivo e crescente de dados heterogêneos, como despesas, receitas, contratos e informações sobre servidores. A arquitetura de dados atual, baseada em um modelo puramente relacional, enfrenta desafios de desempenho e flexibilidade para incorporar novas fontes de dados.

Analise as seguintes proposições sobre a aplicação de bancos de dados NoSQL para solucionar os desafios do Portal da Transparência: 

I. Bancos de dados relacionais são inerentemente superiores aos NoSQL para cenários de Big Data e dados heterogêneos, pois a rigidez do esquema e o suporte a transações ACID garantem melhor desempenho em consultas analíticas complexas.

 II. A adoção de um banco de dados NoSQL orientado a documentos permitiria armazenar os dados de cada fonte (despesas, contratos, etc.) em seus formatos originais (JSON, por exemplo), facilitando a ingestão e a evolução do modelo de dados sem a necessidade de migrações de esquema complexas.

III. A escalabilidade horizontal, uma característica comum em muitos SGBDs NoSQL, seria um benefício chave, permitindo que a infraestrutura do portal cresça de forma mais elástica e com menor custo para acompanhar o aumento do volume de dados e do número de acessos.

Está correto o que se afirma em:

Para lidar com o grande volume e a complexidade dos dados do Big Data, foram desenvolvidas tecnologias e frameworks específicos, que superam as limitações dos sistemas de bancos de dados tradicionais. Um analista de dados de um órgão de pesquisa precisa processar um grande conjunto de dados não estruturados.

Analise as seguintes proposições sobre as tecnologias de Big Data:

I. O Hadoop é um framework de código aberto que permite o processamento distribuído de grandes conjuntos de dados em clusters de computadores. Seus componentes principais são o HDFS (Hadoop Distributed File System), para armazenamento distribuído, e o MapReduce, para o processamento paralelo.

II. O MapReduce é um modelo de programação onde a tarefa é dividida em duas fases: a fase 'Map', que processa e mapeia os dados de entrada em pares de chave-valor, e a fase 'Reduce', que agrega os resultados intermediários da fase 'Map' para produzir o resultado final.

III. O Spark é outro framework de processamento distribuído que, embora compatível com o ecossistema Hadoop, é conhecido por ser significativamente mais rápido, pois realiza o processamento em memória (in-memory), sendo ideal para aplicações de aprendizado de máquina e processamento de dados em tempo real.

Está correto o que se afirma em: 

Um Analista de Sistemas, que atua em uma agência de fomento vinculada ao setor governamental, está trabalhando com o Hadoop para processar e analisar grandes volumes de dados armazenados no HDFS (Hadoop Distributed File System). Ele precisa consultar esses dados de forma rápida e eficiente, utilizando uma linguagem semelhante ao SQL (Structured Query Language) para extrair informações agregadas e gerar relatórios. Considerando esse contexto, assinale a alternativa que apresenta duas ferramentas do Hadoop capazes de consultar grandes volumes de dados no HDFS, usando uma linguagem semelhante ao SQL (HiveQL/SQL):

Qual é o sistema de gerenciamento de banco de dados de mapas classificados multidimensionais, persistentes, distribuídos e esparsos, o qual é construído sobre um DFS (Distributed File System), podendo armazenar arquivos de grande porte? 

No contexto de bancos de dados NoSQL distribuídos, existem princípios que orientam decisões arquiteturais relacionadas a consistência, disponibilidade e tolerância a particionamento, bem como seus impactos na modelagem e no acesso aos dados. Assinale a opção que indica corretamente um conceito associado a esses bancos de dados.

Assinale a opção que corresponde ao modelo, em Big Data, utilizado para processar paralelamente grandes volumes de dados.

Um sistema estadual de arrecadação consolida diariamente indicadores tributários provenientes de múltiplas fontes e, para acelerar leituras repetitivas desses indicadores já consolidados, a equipe de Dados está avaliando armazená-los em um banco NoSQL do tipo chave-valor. Considerando as características desse modelo de dados, a justificativa que melhor fundamenta essa escolha é:

A alta disponibilidade de bancos de dados pode ser alcançada através de técnicas de clusterização e replicação.

Qual a principal diferença entre clusterização e replicação?

Uma equipe de auditoria possui uma tabela de NF-e com mais de 1 bilhão de registros em um pyspark.sgl.DataFrame chamado df. A auditora deseja inspecionar apenas 1.000 registros localmente em seu notebook, usando funcionalidades avangadas de pandas para buscar inconsisténcias. Nesse cenário, a abordagem em PySpark mais apropriada para gerar esses registros em um pandas. DataFrame, minimizando o risco de estouro de memória no ambiente local é: