Questões de Banco de Dados - Big Data para Concurso

Q4389066

Ano: 2026 Banca: FGV Órgão: DATAPREV Prova: FGV - 2026 - DATAPREV - Analista de Tecnologia da Informação – Inteligência da Informação |

Q4389066 Banco de Dados

No âmbito das tecnologias para Big Data, o Apache Hadoop e o Apache Spark apresentam características distintas de execução e tolerância a falhas.
Analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.
( ) O Hadoop MapReduce grava dados intermediários em disco entre as fases de Map e Reduce, enquanto o Spark processa e retém dados preferencialmente na memória RAM.
( ) No Apache Spark, as transformações disparam imediatamente a computação física no cluster, enquanto as ações apenas registram as etapas no Grafo Acíclico Dirigido (DAG).
( ) A tolerância a falhas no HDFS ocorre pela replicação de blocos em múltiplos nós, enquanto no Spark ela se baseia no histórico de linhagem (lineage) para reconstituir partições perdidas.
As afirmativas são, respectivamente,

A

V – V – F.

B

V – F – V.

C

F – V – V.

D

F – F – V.

E

V – F – F.

Incorreta. Gabarito oficial da banca:

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Parabéns! Você acertou!

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Q4375813

Ano: 2026 Banca: FGV Órgão: DATAPREV Prova: FGV - 2026 - DATAPREV - Analista de Processamento |

Q4375813 Banco de Dados

O crescimento de uma plataforma analítica da DATAPREV passou a exigir o tratamento de grandes quantidades de registros provenientes de sistemas corporativos, eventos gerados continuamente pela infraestrutura de TIC e conteúdos armazenados em diferentes formatos.
Relacione as características de Big Data apresentadas a seguir às respectivas situações.

1. Volume
2. Velocidade
3. Variedade

( ) Necessidade de processar continuamente eventos produzidos pelos sistemas, de modo que determinadas informações estejam disponíveis após sua geração.
( ) Existência de dados provenientes de tabelas de bancos relacionais, arquivos de texto, registros de eventos, documentos digitalizados e imagens.
( ) Crescimento da quantidade de dados armazenados, exigindo infraestrutura capaz de processar e manter conjuntos de dados de grande dimensão.

Assinale a opção que indica a relação correta, segundo a ordem apresentada.

A

1 – 2 – 3.

B

1 – 3 – 2.

C

2 – 3 – 1.

D

2 – 1 – 3.

E

3 – 2 – 1.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

Q4279914

Ano: 2026 Banca: FGV Órgão: TCE-PE Prova: FGV - 2026 - TCE-PE - Auditor de Controle Externo – Tecnologia da Informação - REAPLICAÇÃO |

Q4279914 Banco de Dados

O Tribunal de Contas recebe continuamente grandes volumes de dados provenientes de sistemas financeiros, contratos, notas fiscais, documentos e registros de diferentes órgãos públicos. Esses dados apresentam formatos e estruturas variados.
Para apoiar as atividades de fiscalização, a equipe pretende

I. tratar esse cenário de grande volume, variedade de fontes e produção contínua de dados;
II. manter os dados recebidos em um repositório que permita armazená-los em seus formatos originais, antes de tratamentos destinados a análises específicas;
III. executar um processo que obtenha os dados das fontes, realize as transformações necessárias e os carregue no ambiente definido para utilização.

Os conceitos que correspondem às situações I, II e III são, respectivamente,

A

ETL, Big Data e data lake.

B

data lake, ETL e Big Data.

C

Big Data, ETL e data lake.

D

Big Data, data lake e ETL.

E

data lake, Big Data e ETL.

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

Q4240113

Ano: 2026 Banca: FCC Órgão: TJ-CE Prova: FCC - 2026 - TJ-CE - Analista Judiciário - Área Técnico Administrativa - Especialidade: Sistemas da Informação |

Q4240113 Banco de Dados

Uma equipe de dados de um Tribunal de Justiça está estruturando uma nova plataforma para consolidar informações provenientes de sistemas processuais, documentos digitais, registros de auditoria, arquivos de mídia e bases analíticas utilizadas pela área de gestão. Considerando os conceitos de Data Warehouse e Lakehouse, a arquitetura mais adequada para esse cenário caracteriza-se por

A

organizar dados estruturados em esquemas previamente definidos, permitindo ingestão controlada de dados semiestruturados e priorizando transformações antes da disponibilização para análise.

B

concentrar dados estruturados e não estruturados em armazenamento unificado, mantendo a separação entre ambientes analíticos e de armazenamento para evitar compartilhamento de metadados e controles transacionais.

C

armazenar dados estruturados após processos prévios de transformação, utilizando modelagem orientada a consultas analíticas e dispensando o armazenamento de dados em formatos nativos.

D

centralizar dados estruturados e não estruturados em armazenamento unificado, incorporando recursos de governança, controle transacional, gerenciamento de metadados e suporte eficiente a consultas analíticas.

E

reunir dados estruturados, semiestruturados e não estruturados em armazenamento centralizado, priorizando flexibilidade de ingestão e escalabilidade, com mecanismos de tratamento e preparação executados conforme as necessidades de consumo dos dados.

Incorreta. Gabarito oficial da banca:

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Parabéns! Você acertou!

Compare seu desempenho com quem faz o mesmo concurso. Ver concorrência

Q4223167

Ano: 2026 Banca: FGV Órgão: NAV Brasil Prova: FGV - 2026 - NAV Brasil - Analista de Tecnologia |

Q4223167 Banco de Dados

Uma grande empresa pública de saúde enfrenta dificuldades para gerenciar seus dados analíticos. O modelo tradicional de Data Warehouse centralizado focado em tabelas altamente estruturadas e relacionais tornou-se muito rígido. Por outro lado, a implantação subsequente de um Data Lake gerou caos, acumulando arquivos de texto desestruturados e logs sem metadados, transformando-se em um Data Swamp. Buscando unificar o melhor dos dois mundos, o Analista de Dados propôs migrar para uma arquitetura de Data Lakehouse.
A principal característica arquitetural que define o conceito de Data Lakehouse, diferenciando-o das abordagens tradicionais isoladas de Data Warehouse e Data Lake é a

A

aplicação direta de suporte a transações ACID e governança de dados estruturados diretamente sobre arquivos em sistemas de armazenamento em formato aberto.

B

eliminação completa do uso de armazenamento em nuvem e retorno obrigatório a storages físicos locais DAS.

C

centralização obrigatória de todas as regras lógicas de transformação de dados dentro de triggers embutidas no kernel do SGBD.

D

substituição do protocolo HTTP/REST pelo uso exclusivo de mensageria assíncrona baseada em barramentos de hardware.

E

proibição do uso de ferramentas de Business Intelligence e dashboards automatizados na camada semântica de análise.

Incorreta. Gabarito oficial da banca:

Errou um tema comum da banca? Veja o que mais costuma cair no Raio-X. Ver raio-X

Parabéns! Você acertou!

Essa questão segue o padrão da banca! Veja o que mais costuma cair. Ver raio-X

Q4221496

Ano: 2026 Banca: FCC Órgão: SEFAZ-CE Prova: FCC - 2026 - SEFAZ-CE - Auditor Fiscal da Receita Estadual - Área de Conhecimento: Gestão Fazendária - Conhecimentos Específicos |

Q4221496 Banco de Dados

É correto afirmar que Big Data

A

corresponde a uma metodologia de modelagem dimensional baseada em fatos e dimensões, enquanto o Data Warehouse representa um conjunto de algoritmos distribuídos utilizados para processamento paralelo de dados em larga escala.

B

e Data Warehouse são conceitos equivalentes relacionados à administração de bancos de dados relacionais, diferenciando-se pela capacidade de armazenamento disponibilizada pela infraestrutura computacional utilizada.

C

e Data Warehouse possuem a mesma finalidade arquitetural, sendo ambos destinados ao armazenamento de dados estruturados organizados em modelos dimensionais voltados à análise gerencial.

D

corresponde às tecnologias e abordagens voltadas ao processamento e armazenamento de grandes volumes de dados, enquanto o Data Warehouse consiste em um repositório destinado à consolidação de dados para a tomada de decisão.

E

caracteriza ambientes destinados ao processamento transacional de aplicações corporativas, enquanto o Data Warehouse é utilizado para armazenamento de dados operacionais antes de sua transferência para os sistemas de produção.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

Q4209732

Ano: 2026 Banca: Instituto Consulplan Órgão: Prefeitura de Vitória - ES Prova: Instituto Consulplan - 2026 - Prefeitura de Vitória - ES - Analista em Tecnologia da Informação - Desenvolvimento |

Q4209732 Banco de Dados

A arquitetura lakehouse surgiu como uma abordagem voltada à integração de características tradicionalmente presentes em data lakes e data warehouses, buscando combinar flexibilidade de armazenamento, escalabilidade analítica e mecanismos avançados de governança e consistência de dados. Considerando os conceitos fundamentais relacionados à arquitetura lakehouse, assinale a afirmativa correta.

A

O modelo lakehouse utiliza persistência orientada exclusivamente a cubos MOLAP para execução de consultas analíticas multidimensionais.

B

A arquitetura lakehouse converte automaticamente arquivos semiestruturados em esquemas relacionais rígidos antes do armazenamento persistente.

C

A arquitetura lakehouse substitui mecanismos de particionamento distribuído por estruturas centralizadas de processamento em memória compartilhada.

D

A arquitetura lakehouse combina armazenamento escalável de dados estruturados e não estruturados com recursos típicos de data warehouses, como governança, catálogo de metadados e suporte a transações ACID.

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

Q4200148

Ano: 2026 Banca: CESPE / CEBRASPE Órgão: Prefeitura de Porto Velho - RO Prova: CESPE / CEBRASPE - 2026 - Prefeitura de Porto Velho - RO - Auditor |

Q4200148 Banco de Dados

Assinale a opção correta no que se refere a dados estruturados e não estruturados, bem como a coleta, tratamento, armazenamento, integração e recuperação de dados.

A

Dados não estruturados são mais bem gerenciados quando armazenados em bancos não relacionais ou data lakes, por não seguirem modelo predefinido.

B

Na consolidação de dados provenientes de múltiplas fontes, a coincidência das identificações das entidades afasta a necessidade de correlação temporal entre as origens.

C

Na etapa de carga, a conveniência de descartar e recriar índices é determinada pela proporção entre dados novos e dados existentes, mas não pelo porte da tabela a ser indexada.

D

Dados estruturados e não estruturados são igualmente apropriados ao uso exclusivo em bancos relacionais, desde que indexados.

E

Dados não estruturados, embora não adotem esquema tabular clássico, tendem a apresentar maior aderência operacional a sistemas OLTP tradicionais em cenários transacionais de alta recorrência.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

Q4181540

Ano: 2026 Banca: FGV Órgão: TJ-RJ Prova: FGV - 2026 - TJ-RJ - Analista Judiciário - Tecnologia da Informação - Engenheiro de Dados |

Q4181540 Banco de Dados

Uma instituição financeira está implementando um sistema de detecção de fraudes em tempo real para processar transações de cartões de crédito originadas em dispositivos móveis globalmente. Devido à instabilidade de conectividade das redes móveis, os eventos de transação frequentemente chegam ao cluster de processamento fora de ordem e com atrasos variáveis (late arriving data). O requisito de negócio exige que as agregações de volume financeiro sejam calculadas com precisão determinística, baseando-se no momento exato em que a compra ocorreu, e não no momento em que o dado foi recebido pelo servidor, garantindo consistência mesmo em casos de reprocessamento histórico.

Considerando os conceitos de processamento de fluxo contínuo (streaming), semântica de tempo e mecanismos de tratamento de dados atrasados, é correto afirmar que:

A

a adoção da semântica de tempo de processamento (Processing Time) é a única abordagem capaz de garantir o determinismo dos resultados em caso de reprocessamento (replay), pois utiliza o relógio do servidor como fonte de verdade imutável, eliminando a complexidade de sincronização de relógios distribuídos;

B

para lidar com a chegada de dados fora de ordem em um fluxo infinito (unbounded stream) utilizando a semântica de tempo do evento (Event Time), o sistema deve empregar o conceito de marcas d'água (Watermarks), as quais funcionam como uma métrica de progresso do tempo lógico, sinalizando ao sistema que não são mais esperados eventos com timestamp inferior a um determinado valor;

C

o processamento em microlotes (micro-batching) elimina nativamente o problema de dados fora de ordem, pois, ao agrupar os eventos em pequenos pacotes discretos de tempo (ex: 1 segundo), o sistema força a ordenação correta dos registros dentro do buffer de memória antes de iniciar a computação da transformação;

D

as Janelas Deslizantes (Sliding Windows) são inadequadas para esse cenário de detecção de fraudes, pois exigem que os dados cheguem estritamente ordenados; a solução correta seria a utilização exclusiva de janelas de sessão (Session Windows), que se adaptam dinamicamente baseadas na inatividade do usuário, ignorando o timestamp do evento;

E

a arquitetura lambda é imprescindível para garantir a consistência dos dados nesse cenário, visto que motores de processamento de fluxo modernos (Stream Processors) são arquiteturalmente incapazes de garantir a semântica de processamento "exatamente uma vez" (exactly-once), dependendo sempre de uma camada batch corretiva para sanear os dados a posteriori.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

Q4181535

Ano: 2026 Banca: FGV Órgão: TJ-RJ Prova: FGV - 2026 - TJ-RJ - Analista Judiciário - Tecnologia da Informação - Engenheiro de Dados |

Q4181535 Banco de Dados

Uma corporação multinacional do setor de varejo está unificando suas plataformas de dados. O cenário atual apresenta dois desafios distintos, indicados a seguir.

• Transacional e BI: o sistema de vendas gera registros financeiros que exigem consistência estrita (ACID). A equipe de analistas de negócios consome esses dados via painéis de BI que demandam baixa latência em consultas complexas com múltiplas junções (joins).
• Big Data e IA: o sistema de e-commerce gera petabytes de logs de navegação (clickstream) e dados de sensores IoT das lojas físicas (dados semiestruturados). A equipe de ciência de dados precisa acessar esses dados em seu formato bruto para treinar modelos preditivos, sem a perda de informações causada por agregações prematuras.

O arquiteto de dados precisa propor uma solução única que evite a duplicação de dados entre silos (um Data Warehouse para o BI e um Data Lake para a IA) e reduza o custo de armazenamento, mantendo a governança.

Considerando os requisitos apresentados e as características das arquiteturas modernas de dados, a abordagem arquitetural e de modelagem adequada é:

A

implementar um Data Warehouse Enterprise (EDW) baseado em banco de dados relacional com modelagem normalizada (3FN) para todos os dados, garantindo a integridade referencial tanto das vendas quanto dos logs, visto que a normalização é a única forma de garantir consistência ACID em escala de petabytes;

B

adotar uma arquitetura Data Lake pura (baseada em Hadoop/HDFS ou Object Storage), utilizando a abordagem Schema-on-Read para todos os consumidores; isso atenderá à equipe de ciência de dados, e a equipe de BI deverá adaptar suas ferramentas para realizar as agregações e junções em tempo de execução, aceitando a latência inerente à varredura de arquivos brutos;

C

manter a separação física, construindo um Data Mart dimensional para cada departamento dentro de um banco relacional proprietário e utilizando ferramentas de federação de dados (Data Virtualization) para que a equipe de ciência de dados consulte o Data Mart em tempo real, evitando assim a construção de um Data Lake e garantindo que o modelo de dados seja sempre Schema-on-Write;

D

utilizar um banco de dados NoSQL orientado a documentos (como MongoDB) para centralizar tanto as vendas quanto os logs, aproveitando a flexibilidade do esquema (schemaless) para ingerir dados heterogêneos rapidamente, e resolver a necessidade de BI através de processos de desnormalização extrema, armazenando todos os dados relacionados em um único documento aninhado para evitar joins;

E

implementar uma arquitetura Lakehouse, utilizando formatos de tabela abertos (como Delta Lake ou Apache Iceberg) sobre o armazenamento de objetos; isso permite aplicar transações ACID e Schema Enforcement nos dados de vendas, enquanto se adota uma modelagem dimensional (esquema estrela) na camada "Gold" para performance de BI, mantendo os dados brutos (camada "Bronze") acessíveis para Machine Learning.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

Q4150987

Ano: 2026 Banca: FGV Órgão: TJ-SC Prova: FGV - 2026 - TJ-SC - Analista de Sistemas |

Q4150987 Banco de Dados

Com relação às arquiteturas de armazenamento e processamento de dados em larga escala, analise as afirmativas a seguir e assinale (V) para verdadeira e (F) para falsa.

( ) Os Data Lakes fundamentam-se no conceito de schema-onread, permitindo o armazenamento de dados em seu formato bruto sem a necessidade de uma estrutura rígida no momento da ingestão.
( ) Os Data Warehouses operam sob o modelo de schema-onwrite, exigindo que os dados sejam transformados e estruturados conforme um esquema definido antes de sua carga e disponibilização para consulta.
( ) Os Data Lakes são repositórios projetados exclusivamente para o armazenamento de dados não estruturados, sendo tecnicamente incompatíveis para dados estruturados provenientes de sistemas transacionais.

As afirmativas são, respectivamente,

A

V – V – F.

B

V – F – V.

C

F – V – V.

D

V – F – F.

E

F – V – F.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

Q4088614

Ano: 2026 Banca: FGV Órgão: TCE-SC Prova: FGV - 2026 - TCE-SC - Auditor Fiscal de Controle Externo - Ciências da Computação, Sistemas de Informação, Engenharia de Computação e Engenharia de Software |

Q4088614 Banco de Dados

Um pipeline de dados do TCE-SC processa bilhões de registros de notas fiscais usando Spark SQL. O Auditor nota um problema de desbalanceamento de dados no qual um único executor demora muito mais que os outros para completar uma operação de Join, pois uma chave específica possui muito mais registros que as demais.
A seguinte técnica avançada de otimização no Spark 3.x permite ao motor de execução identificar esse desequilíbrio em tempo de execução e dividir a partição sobrecarregada em subtarefas menores:

A

Broadcast Hash Join.

B

Adaptive Query Execution com Skew Join Optimization.

C

Predicate Pushdown.

D

Bucketing com 1024 partições fixas.

E

Cache In-Memory em nível de cluster.

Incorreta. Gabarito oficial da banca:

Treine mais com um simulado focado no seu concurso. Criar simulado

Parabéns! Você acertou!

Está mandando bem! Treine mais em um simulado completo. Criar simulado

Q4088600

Ano: 2026 Banca: FGV Órgão: TCE-SC Prova: FGV - 2026 - TCE-SC - Auditor Fiscal de Controle Externo - Ciências da Computação, Sistemas de Informação, Engenharia de Computação e Engenharia de Software |

Q4088600 Banco de Dados

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:

A

map()

B

filter()

C

groupByKey()

D

broadcast()

E

first()

Incorreta. Gabarito oficial da banca:

Treine mais com um simulado focado no seu concurso. Criar simulado

Parabéns! Você acertou!

Está mandando bem! Treine mais em um simulado completo. Criar simulado

Q4067460

Ano: 2026 Banca: FCC Órgão: SEFAZ-GO Prova: FCC - 2026 - SEFAZ-GO - Auditor Fiscal da Receita Estadual - Conhecimentos Específicos |

Q4067460 Banco de Dados

Observando um órgão estadual que integra NF-e, EFD/SPED, logs de sistemas, dados semiestruturados de convênios e arquivos em múltiplos formatos, preservando os dados no formato original para usos analíticos futuros, a característica arquitetural que define um data lake no cenário descrito é

A

a exigência de schema rígido definido antes da ingestão, garantindo consistência semântica no carregamento.

B

a aplicação do processo de ETL completo antes do armazenamento, assegurando consumo imediato por cubos OLAP.

C

o armazenamento de dados brutos em múltiplos formatos, aplicando o conceito de schema-on-read no momento da análise.

D

a organização em modelos dimensionais para consultas OLAP tradicionais, gerando consistência nas operações analíticas.

E

a consolidação prévia em data marts temáticos como condição para permitir exploração analítica posterior.

Incorreta. Gabarito oficial da banca:

Treine mais com um simulado focado no seu concurso. Criar simulado

Parabéns! Você acertou!

Está mandando bem! Treine mais em um simulado completo. Criar simulado

Q4048568

Ano: 2026 Banca: IGEDUC Órgão: Prefeitura de Pão de Açúcar - AL Prova: IGEDUC - 2026 - Prefeitura de Pão de Açúcar - AL - Analista de Sistema |

Q4048568 Banco de Dados

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:

A

II, apenas.

B

III, apenas.

C

I, apenas.

D

II e III, apenas.

E

I, II e III.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

Q4048561

Ano: 2026 Banca: IGEDUC Órgão: Prefeitura de Pão de Açúcar - AL Prova: IGEDUC - 2026 - Prefeitura de Pão de Açúcar - AL - Analista de Sistema |

Q4048561 Banco de Dados

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:

A

II e III, apenas.

B

I, apenas.

C

I, II e III.

D

I e II, apenas.

E

II, apenas.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

Q4036220

Ano: 2026 Banca: Instituto Legalle Órgão: BADESUL - RS Prova: Instituto Legalle - 2026 - BADESUL - RS - Técnico em Desenvolvimento - Analista de Sistemas (Ênfase em Administrador de Banco de Dados) |

Q4036220 Banco de Dados

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):

A

Apache Hive e Apache Impala.

B

Data Lake e Apache Flink.

C

Apache Storm e Apache Kafka.

D

Apache Spark e Apache Storm.

E

Apache Flink e Apache Kafka.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

Q3973797

Ano: 2026 Banca: CESPE / CEBRASPE Órgão: IPAAM Prova: CESPE / CEBRASPE - 2026 - IPAAM - Analista Ambiental – Especialidade: Análise de Sistemas |

Q3973797 Banco de Dados

No contexto de arquiteturas modernas de dados, data lakes são adotados para lidar com grande volume, variedade e velocidade de dados, mantendo flexibilidade para múltiplos usos analíticos, tendo como princípio a estratégia

A

de cubos.

B

de normalização.

C

OLTP.

D

schema-on-read.

E

schema-on-write.

Incorreta. Gabarito oficial da banca:

Esse erro também aparece no seu Resumão. Veja o que melhorar

Parabéns! Você acertou!

Esse acerto está no seu Resumão. Ver Resumão da semana

Q3968385

Ano: 2026 Banca: FADESP Órgão: SEFAZ-PA Prova: FADESP - 2026 - SEFAZ-PA - Analista Fazendário |

Q3968385 Banco de Dados

Em um pipeline de dados, o modelo ETL (Extract, Transform, Load) caracteriza-se pela realização das transformações antes da carga dos dados no sistema de destino, enquanto o modelo ELT (Extract, Load, Transform) adia as transformações para depois da ingestão dos dados em um ambiente analítico. Nesse contexto, a alternativa mais coerente com os impactos em escalabilidade, custo computacional e planejamento em cenários de big data é:

A

Em pipelines baseados em ETL, as transformações realizadas antes da carga exigem maior planejamento das regras de negócio, dos recursos computacionais intermediários e dos custos de processamento, especialmente quando o volume de dados é elevado.

B

O modelo ELT pressupõe que todas as transformações sejam simples e de baixo custo, pois a escalabilidade do ambiente analítico dispensa preocupações com uso de recursos computacionais.

C

Em ambientes de big data, o uso de ETL elimina a necessidade de planejamento prévio da infraestrutura, uma vez que as transformações são realizadas fora do sistema de destino, reduzindo custos operacionais.

D

A adoção de ELT inviabiliza práticas de governança e controle de qualidade, uma vez que dados brutos são carregados sem transformação prévia.

E

ETL e ELT apresentam impactos equivalentes em termos de custo e desempenho, sendo a escolha entre eles determinada pela ferramenta de orquestração adotada.

Incorreta. Gabarito oficial da banca:

Veja como esse erro impacta seu desempenho geral. Ver estatísticas

Parabéns! Você acertou!

Esse acerto melhora seu desempenho! Veja suas estatísticas

Q3961432

Ano: 2026 Banca: CESPE / CEBRASPE Órgão: SEFAZ-RN Prova: CESPE / CEBRASPE - 2026 - SEFAZ-RN - Auditor Fiscal de Receitas Estaduais - conhecimentos complementares |

Q3961432 Banco de Dados

Em bancos de dados NoSQL, o modelo que atende conjuntos altamente conectados é chamado de

A

documentos.

B

memória.

C

pesquisa.

D

chave-valor.

E

grafos.

Incorreta. Gabarito oficial da banca:

Veja esse conteúdo explicado passo a passo em nossos cursos. Buscar curso

Parabéns! Você acertou!

Mandou bem! Revise esse tema nos nossos cursos. Buscar curso

Questões de Concurso Comentadas sobre big data em banco de dados

Foram encontradas 364 questões