Analise as afirmativas abaixo com relação ao modelo dimensional e aplicações de BI, no contexto de tabelas fato e dimensões.

1. No modelo dimensional, dimensões não podem conter referências a outras dimensões diretamente, sob risco de degradação de performance. Junções entre dimensões devem ser realizadas através da tabela fato correspondente.

2. Instruções SQL que realizam junções entre tabelas fato empregando suas chaves estrangeiras não devem ser utilizadas, uma vez que é impossível controlar a cardinalidade do conjunto resultante de tal junção em um banco de dados relacional.

3. Dimensões multivaloradas devem ser acopladas à tabela fato empregando-se uma chave dimensional de grupo associada a uma tabela ponte (bridge table) intermediária com uma linha para cada valor dimensional.

Assinale a alternativa que indica todas as afirmativas corretas.

São todos tipos de restrições ou constraints que podem ser expressos diretamente nos esquemas do modelo de dados relacional e esquemas de bancos de dados relacional, incluídas na linguagem de definição de dados (DDL).

1. De domínio

2. Integridade Semântica

3. Integridade Referencial

4. Integridade de Entidade

Assinale a alternativa que indica todas as afirmativas corretas.

Com relação ao teorema CAP e suas propriedades aplicadas ao contexto de bancos de dados NoSQL na Web, analise as afirmativas a seguir.

I. Consistência é a garantia de o sistema devolverá a resposta correta a cada requisição de dados que atender, ou seja, os dados devolvidos serão os mais atualizados que estejam disponíveis.

II. Atomicidade é a garantia de que toda requisição recebida pelo sistema em um nó não falho, será respondida o mais isoladamente possível.

III. Performance é a garantia de que o sistema continue operante mesmo no caso da ocorrência de uma falha que isole os nós em grupos, e que os nós não consigam se comunicar com os demais do grupo.

Está correto o que se afirma em

Com relação às características dos componentes do ecossistema Hadoop, analise as afirmativas a seguir.

I. Kafka é um gerenciador de armazenamento de dados do tipo colunar de código aberto de fácil integração com MapReduce e Spark, que utiliza o modelo de consistência forte, permite que o desenvolvedor escolha requisitos de consistência por solicitação, incluindo a opção de consistência estritamente serializável.

II. Impala, que tem forte integração com o Kudu, permite que o desenvolvedor de aplicações o utilize para inserir, consultar, atualizar e excluir dados no Kudu usando a sintaxe SQL do Impala. Adicionalmente, permite usar JDBC ou ODBC para conectar aplicativos novos ou pré-existentes escritos em qualquer linguagem, estrutura ou ferramenta de inteligência de negócios.

III. Kudu permite integrar seu próprio catálogo com o Hive Metastore (HMS). O HMS é o provedor de metadados e catálogo padrão no ecossistema Hadoop. Quando a integração está habilitada, as tabelas Kudu podem ser descobertas e usadas por ferramentas externas com reconhecimento de HMS, mesmo que elas não estejam integradas ao Kudu.

Está correto o que se afirma em

No contexto do PostgreSQL, analise o comando SQL a seguir.

select * from public."teste" offset 2 limit 1

Assinale o efeito das cláusulas OFFSET e LIMIT sobre a execução do comando acima.

Quando o valor NULL é considerado como unknow (desconhecido) pelo gerenciador de bancos de dados relacionais, as expressões lógicas do SQL podem resultar nos valores True, False e Unkown.

Nesse contexto, analise as expressões abaixo, onde esses três valores lógicos são representados por “T”, “F” e “?” respectivamente.

F or ?

T or ?

? or ?

? and ?

T and ?

Assinale, na ordem dada, os valores resultantes em cada expressão.

No contexto do MySQL, analise os dois comandos SQL exibidos a seguir.

create table teste

type=innodb

select * from xpto

limit 0

create table teste

type=innodb

select * from xpto

where 1=0

Sobre esses comandos, é correto concluir que

Analise o comando a seguir, executado num ambiente MySQL.

CREATE TABLE TESTE (

            XPTO MEDIUMINT NOT NULL AUTO_INCREMENT,

            NOME CHAR(30) NOT NULL,

            PRIMARY KEY (XPTO)

);

Supondo que a tabela acima tenha sido criada, considere os seguintes comandos

INSERT INTO TESTE (NOME) VALUES ('Pedro')

INSERT INTO TESTE (XPTO, NOME) VALUES (0,'Maria')

INSERT INTO TESTE (XPTO, NOME) VALUES (NULL,'Gabriel')

INSERT INTO TESTE (XPTO, NOME) VALUES (100,'Nina');

Nesse contexto, assinale quantos desses quatro últimos comandos serão aceitos e processados corretamente pelo MySQL.

Com relação ao banco de dados happyhour, considere que houve uma ação de marketing que demanda que todos os bares tenham em suas ofertas a cerveja Forster.

Assinale o comando SQL que incluiria essa cerveja na tabela oferta para todos os bares que ainda não fazem essa oferta.

Com relação ao banco de dados happyhour, considere que houve um erro de carga, de forma que há bares presentes na tabela frequencia que não aparecem na tabela oferta (que deveria conter todos os bares).

Assinale o comando SQL que deletaria da tabela frequencia as linhas referentes a esses bares.

Considere que é preciso produzir uma lista de bares com o respectivo número de frequentadores, em ordem decrescente de frequentadores, incluindo os bares que têm zero frequentadores.

Assinale o comando SQL que produziria essa lista a partir do banco de dados happyhour.

Considere que é preciso identificar os bares que João da Silva frequenta.

Assinale o comando SQL que produziria essa lista a partir do banco de dados happyhour, especificado anteriormente.