Questões de Concurso Sobre banco de dados
Foram encontradas 18.945 questões
Este problema clássico de concorrência é conhecido como:
Uma das regras heurísticas mais comuns aplicadas por este componente é:
Essa capacidade do SGBDD é chamada de:
Esta fase do projeto é denominada:
Qual característica da abordagem de SGBD resolve diretamente o problema de inconsistência mencionado?
I. No modelo relacional, as tuplas de uma relação não têm ordem intrínseca; a relação é um conjunto de tuplas.
II. Em uma arquitetura cliente–servidor de duas camadas, o cliente executa a interface e lógica de aplicação principal, enquanto o servidor gerencia o banco de dados e processa comandos SQL.
III. As operações da álgebra relacional, quando aplicadas a relações, produzem novas relações, o que permite compor várias operações sucessivamente.
IV. A normalização baseada em dependências funcionais tem como principal objetivo garantir a redundância dos dados, já que formas normais introduzem cópias adicionais de atributos para facilitar o processamento.
V. Em SQL, a cláusula CHECK é utilizada para definir integridade referencial entre tabelas, enquanto FOREIGN KEY serve para impor restrições de domínio sobre atributos.
Estão corretas apenas as afirmativas
I. O uso de um SGBD proporciona controle de redundância e maior consistência estrutural dos dados, pois centraliza o armazenamento e coordena o acesso por meio de catálogo e esquemas.
PORQUE
II. O SGBD, para atender a requisições remotas de múltiplas aplicações, frequentemente utiliza uma arquitetura de cliente-servidor, onde a lógica de aplicação reside no cliente e o motor do SGBD reside no servidor.
A INFRA S.A. passou a lidar com grandes volumes de dados heterogêneos oriundos de sensores de campo, relatórios de fiscalização, sistemas legados e bases externas. Para ampliar a capacidade analítica, a empresa pública adotou um ecossistema baseado em Apache Hadoop para armazenamento e processamento distribuído, integrando os dados consolidados a dashboards interativos desenvolvidos na ferramenta Qlik, voltados à alta gestão e a órgãos de controle. Com o objetivo de aprimorar a comunicação dos resultados analíticos, a INFRA S.A. também incorporou práticas de storytelling com dados, buscando transformar análises técnicas complexas em narrativas compreensíveis para gestores não técnicos, mantendo rigor informacional e rastreabilidade.
A partir da situação hipotética precedente, julgue os itens a seguir.
A INFRA S.A. implantou um ambiente corporativo de BI (business intelligence) para apoiar decisões estratégicas relacionadas à priorização de investimentos, ao acompanhamento de contratos, à análise de riscos e à avaliação de desempenho de obras ferroviárias e rodoviárias. O ambiente integra dados históricos provenientes de sistemas transacionais, relatórios técnicos e bases externas, organizados em um data warehouse corporativo, com uso de modelagem dimensional, cubos OLAP e técnicas avançadas de data mining para identificação de padrões de atraso, sobrecusto e impacto ambiental.
Com relação à situação hipotética acima apresentada, julgue os itens a seguir.
A INFRA S.A. implantou um ambiente corporativo de BI (business intelligence) para apoiar decisões estratégicas relacionadas à priorização de investimentos, ao acompanhamento de contratos, à análise de riscos e à avaliação de desempenho de obras ferroviárias e rodoviárias. O ambiente integra dados históricos provenientes de sistemas transacionais, relatórios técnicos e bases externas, organizados em um data warehouse corporativo, com uso de modelagem dimensional, cubos OLAP e técnicas avançadas de data mining para identificação de padrões de atraso, sobrecusto e impacto ambiental.
Com relação à situação hipotética acima apresentada, julgue os itens a seguir.
A INFRA S.A. implantou um ambiente corporativo de BI (business intelligence) para apoiar decisões estratégicas relacionadas à priorização de investimentos, ao acompanhamento de contratos, à análise de riscos e à avaliação de desempenho de obras ferroviárias e rodoviárias. O ambiente integra dados históricos provenientes de sistemas transacionais, relatórios técnicos e bases externas, organizados em um data warehouse corporativo, com uso de modelagem dimensional, cubos OLAP e técnicas avançadas de data mining para identificação de padrões de atraso, sobrecusto e impacto ambiental.
Com relação à situação hipotética acima apresentada, julgue os itens a seguir.
A INFRA S.A. implantou um ambiente corporativo de BI (business intelligence) para apoiar decisões estratégicas relacionadas à priorização de investimentos, ao acompanhamento de contratos, à análise de riscos e à avaliação de desempenho de obras ferroviárias e rodoviárias. O ambiente integra dados históricos provenientes de sistemas transacionais, relatórios técnicos e bases externas, organizados em um data warehouse corporativo, com uso de modelagem dimensional, cubos OLAP e técnicas avançadas de data mining para identificação de padrões de atraso, sobrecusto e impacto ambiental.
Com relação à situação hipotética acima apresentada, julgue os itens a seguir.
A INFRA S.A. implantou um ambiente corporativo de BI (business intelligence) para apoiar decisões estratégicas relacionadas à priorização de investimentos, ao acompanhamento de contratos, à análise de riscos e à avaliação de desempenho de obras ferroviárias e rodoviárias. O ambiente integra dados históricos provenientes de sistemas transacionais, relatórios técnicos e bases externas, organizados em um data warehouse corporativo, com uso de modelagem dimensional, cubos OLAP e técnicas avançadas de data mining para identificação de padrões de atraso, sobrecusto e impacto ambiental.
Com relação à situação hipotética acima apresentada, julgue os itens a seguir.
No ambiente descrito de BI da INFRA S.A., a combinação de particionamento da tabela de fatos por período temporal e o uso de índices bitmap nas chaves dimensionais contribuiriam para reduzir operações de I/O e acelerar consultas analíticas sobre grandes volumes históricos de dados.
Conheça nossos planos