Questões de Concurso Sobre banco de dados
Foram encontradas 18.767 questões
Ano: 2023
Banca:
FUNDEP (Gestão de Concursos)
Órgão:
CEMIG - MG
Prova:
FUNDEP (Gestão de Concursos) - 2023 - CEMIG - MG - Analista Empresarial Nível 14 - Formação Tecnologia da Informação |
Q2338448
Banco de Dados
Analise as afirmativas a seguir, relativas a um sistema gerenciador de banco de dados (SGBD).
I. O SGBD é um sistema de software de uso geral que facilita o processo de definição, construção, manipulação e compartilhamento de bancos de dados entre diversos usuários e aplicações.
II. Um SGBD multiusuário precisa incluir um software de controle de concorrência, para garantir que, quando vários usuários tentam atualizar o mesmo dado, isso ocorra de uma maneira controlada.
III. Um SGBD oferece aos usuários uma representação conceitual de dados, informalmente conhecida como abstração de dados.
Estão corretas as afirmativas
I. O SGBD é um sistema de software de uso geral que facilita o processo de definição, construção, manipulação e compartilhamento de bancos de dados entre diversos usuários e aplicações.
II. Um SGBD multiusuário precisa incluir um software de controle de concorrência, para garantir que, quando vários usuários tentam atualizar o mesmo dado, isso ocorra de uma maneira controlada.
III. Um SGBD oferece aos usuários uma representação conceitual de dados, informalmente conhecida como abstração de dados.
Estão corretas as afirmativas
Ano: 2023
Banca:
FGV
Órgão:
SMPOG de Belo Horizonte - MG
Prova:
FGV - 2023 - SMPOG de Belo Horizonte - MG - Analista de Planejamento e Gestão Governamental: Ciência da Computação |
Q2337316
Banco de Dados
Texto associado
ATENÇÃO: Na questão a seguir, considere a tabela T,
com colunas A, B e C, descrita a seguir juntamente com a sua instância.
Considere, ainda, o comando SQL a seguir, que referencia a tabela T.
Considerando a execução do comando SQL apresentado anteriormente, assinale a coluna do resultado que não contém valores nulos (null).
Ano: 2023
Banca:
FGV
Órgão:
SMPOG de Belo Horizonte - MG
Prova:
FGV - 2023 - SMPOG de Belo Horizonte - MG - Analista de Planejamento e Gestão Governamental: Ciência da Computação |
Q2337315
Banco de Dados
Texto associado
ATENÇÃO: Na questão a seguir, considere a tabela T,
com colunas A, B e C, descrita a seguir juntamente com a sua instância.
Considere, ainda, o comando SQL a seguir, que referencia a tabela T.
Assinale o número de linhas, além dos títulos, produzidas pela
execução do comando SQL apresentado anteriormente.
Ano: 2023
Banca:
FGV
Órgão:
SMPOG de Belo Horizonte - MG
Prova:
FGV - 2023 - SMPOG de Belo Horizonte - MG - Analista de Planejamento e Gestão Governamental: Ciência da Computação |
Q2337314
Banco de Dados
No âmbito da operação do SQL Server 2019, assinale a principal
função da instrução bulk insert.
Ano: 2023
Banca:
FGV
Órgão:
SMPOG de Belo Horizonte - MG
Prova:
FGV - 2023 - SMPOG de Belo Horizonte - MG - Analista de Planejamento e Gestão Governamental: Ciência da Computação |
Q2337313
Banco de Dados
No contexto do gerenciamento de tablespaces no Oracle 19,
considere as seguintes afirmativas.
I. Tablespaces podem operar no modo read-only. II. Não é possível renomear uma tablespace. III. É possível colocar uma tablespace off-line, tornando-a temporariamente indisponível, mantendo a operação do banco de dados normal.
Está correto o que se afirma em
I. Tablespaces podem operar no modo read-only. II. Não é possível renomear uma tablespace. III. É possível colocar uma tablespace off-line, tornando-a temporariamente indisponível, mantendo a operação do banco de dados normal.
Está correto o que se afirma em
Ano: 2023
Banca:
FGV
Órgão:
SMPOG de Belo Horizonte - MG
Prova:
FGV - 2023 - SMPOG de Belo Horizonte - MG - Analista de Planejamento e Gestão Governamental: Ciência da Computação |
Q2337300
Banco de Dados
Assinale a opção que indica a operação OLAP que permite
analisar os dados de um Data Warehouse em níveis de agregação
progressivamente mais detalhados, ou de menor granularidade.
Ano: 2023
Banca:
IV - UFG
Órgão:
UFR
Prova:
CS-UFG - 2023 - UFR - Analista de Tecnologia da Informação |
Q2335156
Banco de Dados
Para se inserir novos dados em SQL, utiliza-se a instrução
Ano: 2023
Banca:
IV - UFG
Órgão:
UFR
Prova:
CS-UFG - 2023 - UFR - Analista de Tecnologia da Informação |
Q2335146
Banco de Dados
Das características do Online Transaction Processing
(OLTP), destaca-se que ele
Ano: 2023
Banca:
IV - UFG
Órgão:
UFR
Prova:
CS-UFG - 2023 - UFR - Analista de Tecnologia da Informação |
Q2335145
Banco de Dados
O comando TRUNCATE em SQL é uma Instrução
Ano: 2023
Banca:
FGV
Órgão:
Câmara dos Deputados
Prova:
FGV - 2023 - Câmara dos Deputados - Câmara dos Deputados - Analista Legislativo - Contador - Manhã |
Q2335086
Banco de Dados
Maria está construindo um sistema de aprendizado de máquina
que utiliza a informação sobre a segmentação de clientes que
está armazenada no CRM da empresa. Porém, a segmentação
que ela extrai do CRM possui os valores "bronze", "prata" e
"ouro", que seu sistema não entende.
Para isso, Maria quer implementar um processo de ETL que recodifica a segmentação para os valores "0", "1" e "2" representando, respectivamente, "bronze", "prata" e "ouro" antes de carregar os dados em seu sistema.
O tipo de transformação que Maria deve empregar em seu processo ETL é
Para isso, Maria quer implementar um processo de ETL que recodifica a segmentação para os valores "0", "1" e "2" representando, respectivamente, "bronze", "prata" e "ouro" antes de carregar os dados em seu sistema.
O tipo de transformação que Maria deve empregar em seu processo ETL é
Ano: 2023
Banca:
FGV
Órgão:
Câmara dos Deputados
Prova:
FGV - 2023 - Câmara dos Deputados - Câmara dos Deputados - Analista Legislativo - Contador - Manhã |
Q2335082
Banco de Dados
O Coeficiente Silhouette é utilizado na análise de agrupamentos,
principalmente para examinar
Ano: 2023
Banca:
FGV
Órgão:
Câmara dos Deputados
Prova:
FGV - 2023 - Câmara dos Deputados - Câmara dos Deputados - Analista Legislativo - Contador - Manhã |
Q2335081
Banco de Dados
CRISP-DM (Cross Industry Standard Process for Data Mining) é
uma metodologia utilizada em projetos de Ciência dos Dados.
De acordo com esta metodologia, a definição do problema que
será investigado por meio de técnicas de mineração de dados
ocorre na etapa
Ano: 2023
Banca:
FGV
Órgão:
Câmara dos Deputados
Prova:
FGV - 2023 - Câmara dos Deputados - Câmara dos Deputados - Analista Legislativo - Contador - Manhã |
Q2335080
Banco de Dados
Uma transação ACID em banco de dados relacionais é uma
sequência de operações que satisfaz às propriedades
Ano: 2023
Banca:
Instituto Access
Órgão:
UFJ
Prova:
Instituto Access - 2023 - UFJ - Analista de Tecnologia da Informação - Sistemas |
Q2326424
Banco de Dados
As empresas contam com vários sistemas e tecnologias de
armazenamento para suas iniciativas de business intelligence (BI).
Tanto o Data Warehouse como o Data Marts são repositórios
repositório de dados pré-processados para análise e BI.
Em relação ao Data Warehouse, o Data Marts apresenta a seguinte
característica:
Ano: 2023
Banca:
Instituto Access
Órgão:
UFJ
Prova:
Instituto Access - 2023 - UFJ - Analista de Tecnologia da Informação - Sistemas |
Q2326423
Banco de Dados
A linguagem SQL para bancos de dados é constituída das
sublinguagens “Data Manipulation Language – DML”, “Data
Definition Language – DDL” e “Data Control Language – DCL”.
Fazem parte da DCL os seguintes comandos:
Ano: 2023
Banca:
Instituto Access
Órgão:
UFJ
Prova:
Instituto Access - 2023 - UFJ - Analista de Tecnologia da Informação - Sistemas |
Q2326422
Banco de Dados
A arquitetura ANSI/SPARC para um projeto de banco de dados
inclui três esquemas, que têm por objetivo separar as aplicações
de usuários da base de dados física. Nesta arquitetura, esquemas
podem ser definidos em três níveis, caracterizados a seguir:
I. Este nível possui um esquema que descreve a estrutura de armazenamento físico da base de dados, e usa um modelo de dados físico além de descrever todos os detalhes de armazenamento de dados e caminhos de acesso à base de dados.
II. Este nível possui um esquema que descreve a estrutura de toda a base de dados, mas omite detalhes da estrutura de armazenamento físico e se concentra na descrição de entidades, tipos de dados, relacionamentos e restrições.
III. Este nível possui esquemas que representam as visões de usuários, sendo que cada visão descreve, tipicamente, a parte da base de dados que um particular grupo de usuários está interessado e esconde o resto da base de dados do mesmo.
Os níveis caracterizados em I, II e III são denominados, respectivamente,
I. Este nível possui um esquema que descreve a estrutura de armazenamento físico da base de dados, e usa um modelo de dados físico além de descrever todos os detalhes de armazenamento de dados e caminhos de acesso à base de dados.
II. Este nível possui um esquema que descreve a estrutura de toda a base de dados, mas omite detalhes da estrutura de armazenamento físico e se concentra na descrição de entidades, tipos de dados, relacionamentos e restrições.
III. Este nível possui esquemas que representam as visões de usuários, sendo que cada visão descreve, tipicamente, a parte da base de dados que um particular grupo de usuários está interessado e esconde o resto da base de dados do mesmo.
Os níveis caracterizados em I, II e III são denominados, respectivamente,
Ano: 2023
Banca:
Instituto Access
Órgão:
UFJ
Prova:
Instituto Access - 2023 - UFJ - Analista de Tecnologia da Informação - Sistemas |
Q2326420
Banco de Dados
Uma das estruturas de dados é similar a uma lista, sendo seu
paradigma principal o LIFO – “Last in, First Out” – que corresponde
à “o último a entrar, é o primeiro a sair”, em tradução livre. Existe
outra estrutura de dados semelhante, mas com uma diferença
conceitual importante, na qual o paradigma a é FIFO – “First in,
First Out” – que corresponde à “o primeiro a entrar, é o primeiro
a sair”.
Essas duas estruturas de dados são conhecidas, respectivamente
como
Ano: 2023
Banca:
CESGRANRIO
Órgão:
Transpetro
Prova:
CESGRANRIO - 2023 - Transpetro - Profissional Transpetro de Nível Superior - Junior: Ênfase 7: Análise de Sistemas - Sap - Finanças e Contabilidade |
Q2326124
Banco de Dados
Uma característica importante dos Data Marts (DM) é que eles
Ano: 2023
Banca:
CESGRANRIO
Órgão:
Transpetro
Prova:
CESGRANRIO - 2023 - Transpetro - Profissional Transpetro de Nível Superior - Junior: Ênfase 7: Análise de Sistemas - Sap - Finanças e Contabilidade |
Q2326123
Banco de Dados
Em um banco de dados multidimensional, frequentemente modelado como um cubo de dados, as dimensões são diferentes perspectivas sob as quais os dados podem ser analisados, e os fatos são os dados mais importantes que são analisados ou consultados em relação a essas dimensões.
Considere um esquema multidimensional que envolve automóveis, os fabricantes e as revendedoras de carros, com as tabelas Dimensão apresentadas a seguir:
1. Dim_Automóvel: o Modelo_ID (identificador único para cada modelo de carro) o Nome_Modelo (por exemplo: Corolla, Civic, Tucson) o Tipo (por exemplo: Sedan, SUV, Coupe) o Ano_Lançamento
2. Dim_Fabricante: o Fabricante_ID (identificador único para cada fabricante) o Nome_Fabricante (por exemplo: Toyota, Honda, Ford) o País_Origem (por exemplo: Japão, EUA, Alemanha)
3. Dim_Revendedora: o Revendedora_ID (identificador único para cada revendedora) o Nome_Revendedora o Localização (cidade e estado) o Tipo_Revenda (por exemplo: autorizada, independente)
A tabela Vendas, que representa fatos, contém as seguintes colunas:
• Modelo_ID (chave estrangeira para Dim_Automóvel)
• Fabricante_ID (chave estrangeira para Dim_Fabricante)
• Revendedora_ID (chave estrangeira para Dim_Revendedora)
• Quantidade_Vendida
• Receita_Total (o total em vendas para essa tripla: modelo, fabricante e revendedora)
• Data_Venda
Qual das seguintes expressões, na linguagem de consultas SQL, retorna a receita total de vendas de carros do tipo SUV em 2023, agrupada por fabricante, na cidade de São Paulo?
Considere um esquema multidimensional que envolve automóveis, os fabricantes e as revendedoras de carros, com as tabelas Dimensão apresentadas a seguir:
1. Dim_Automóvel: o Modelo_ID (identificador único para cada modelo de carro) o Nome_Modelo (por exemplo: Corolla, Civic, Tucson) o Tipo (por exemplo: Sedan, SUV, Coupe) o Ano_Lançamento
2. Dim_Fabricante: o Fabricante_ID (identificador único para cada fabricante) o Nome_Fabricante (por exemplo: Toyota, Honda, Ford) o País_Origem (por exemplo: Japão, EUA, Alemanha)
3. Dim_Revendedora: o Revendedora_ID (identificador único para cada revendedora) o Nome_Revendedora o Localização (cidade e estado) o Tipo_Revenda (por exemplo: autorizada, independente)
A tabela Vendas, que representa fatos, contém as seguintes colunas:
• Modelo_ID (chave estrangeira para Dim_Automóvel)
• Fabricante_ID (chave estrangeira para Dim_Fabricante)
• Revendedora_ID (chave estrangeira para Dim_Revendedora)
• Quantidade_Vendida
• Receita_Total (o total em vendas para essa tripla: modelo, fabricante e revendedora)
• Data_Venda
Qual das seguintes expressões, na linguagem de consultas SQL, retorna a receita total de vendas de carros do tipo SUV em 2023, agrupada por fabricante, na cidade de São Paulo?
Ano: 2023
Banca:
CESGRANRIO
Órgão:
Transpetro
Prova:
CESGRANRIO - 2023 - Transpetro - Profissional Transpetro de Nível Superior - Junior: Ênfase 7: Análise de Sistemas - Sap - Finanças e Contabilidade |
Q2326122
Banco de Dados
Um banco de dados multidimensional é frequentemente usado em análise OLAP (Online Analytical Processing) sendo
orientado por dimensões, e não por tabelas isoladas como no modelo relacional puro. Nesse contexto, considere uma
instância relacionada às vendas de uma loja de varejo. As dimensões, nesse caso, poderiam ser:
1. Tempo: Dias, Meses, Trimestres, Anos 2. Produto: ID do Produto, Nome do Produto, Categoria 3. Localização: Cidade, Estado, País 4. Vendedor: ID do Vendedor, Nome, Departamento
Esse banco de dados multidimensional pode ser visualizado como um “cubo” com quatro dimensões, onde cada dimensão forma um dos eixos. Os pontos dentro desse “cubo” representam valores específicos de medidas, como é o caso do total de vendas. Esses pontos podem também representar algo mais complexo envolvendo muitas dimensões como, por exemplo, as vendas do Produto P no Estado Q durante o Mês R por Vendedor S.
Muitas vezes esses “cubos” são implementados em bancos de dados relacionais convencionais, de modo que os usuários possam usar linguagens amplamente conhecidas, como é o caso da linguagem de consultas SQL. Para isso, é necessário modelar tabelas de dimensão e de fato:
1. DimensaoTempo: com colunas tais como TempoID, Mes, Ano
2. DimensaoProduto: com colunas tais como ProdutoID, NomeProduto, Categoria
3. DimensaoLocalizacao: com colunas tais como LocalizacaoID, Cidade, Estado, País
4. FatoVendas: com colunas tais como TempoID, ProdutoID, LocalizacaoID, TotalVendas
Com base nas tabelas deste esquema relacional em particular, que representam um banco de dados multidimensional, considere que se deseja fazer a seguinte consulta de tipo “slice and dice”:
“Quanto foi vendido em termos de valor total nas categorias ‘Eletrônicos’ e ‘Roupas’ no estado de ‘Pernambuco’ durante o ano de 2022?”
A expressão SQL que responde a essa consulta é
1. Tempo: Dias, Meses, Trimestres, Anos 2. Produto: ID do Produto, Nome do Produto, Categoria 3. Localização: Cidade, Estado, País 4. Vendedor: ID do Vendedor, Nome, Departamento
Esse banco de dados multidimensional pode ser visualizado como um “cubo” com quatro dimensões, onde cada dimensão forma um dos eixos. Os pontos dentro desse “cubo” representam valores específicos de medidas, como é o caso do total de vendas. Esses pontos podem também representar algo mais complexo envolvendo muitas dimensões como, por exemplo, as vendas do Produto P no Estado Q durante o Mês R por Vendedor S.
Muitas vezes esses “cubos” são implementados em bancos de dados relacionais convencionais, de modo que os usuários possam usar linguagens amplamente conhecidas, como é o caso da linguagem de consultas SQL. Para isso, é necessário modelar tabelas de dimensão e de fato:
1. DimensaoTempo: com colunas tais como TempoID, Mes, Ano
2. DimensaoProduto: com colunas tais como ProdutoID, NomeProduto, Categoria
3. DimensaoLocalizacao: com colunas tais como LocalizacaoID, Cidade, Estado, País
4. FatoVendas: com colunas tais como TempoID, ProdutoID, LocalizacaoID, TotalVendas
Com base nas tabelas deste esquema relacional em particular, que representam um banco de dados multidimensional, considere que se deseja fazer a seguinte consulta de tipo “slice and dice”:
“Quanto foi vendido em termos de valor total nas categorias ‘Eletrônicos’ e ‘Roupas’ no estado de ‘Pernambuco’ durante o ano de 2022?”
A expressão SQL que responde a essa consulta é
Conheça nossos planos