Com relação ao VMware vSphere, ao Docker e à plataforma AWS, julgue o item seguinte.

O recurso DRS (Distributed Resource Scheduler) do VMware vSphere realiza a migração automática de máquinas virtuais entre hosts de um cluster com base em políticas de balanceamento de carga, considerando métricas como uso de CPU e memória em tempo real.

Com relação ao VMware vSphere, ao Docker e à plataforma AWS, julgue o item seguinte.

O recurso VMware FT (Fault Tolerance) substitui totalmente o uso do VMware HA, permitindo recuperação automática de VMs após falha do host por meio de snapshots periódicos replicados em hosts secundários.

Quanto ao MVC (Model‑View‑Controller), ao DDD (Domain‑Driven Design) e aos conceitos de Containers e Docker, julgue o item a seguir.

Docker permite que aplicações e as suas dependências sejam empacotadas em contêineres isolados, o que garantirá maior portabilidade entre ambientes.

Acerca da virtualização de servidores, dos modelos de serviço em computação em nuvem e da Internet das Coisas (IoT), julgue o item a seguir.

A virtualização de servidores permite a criação de ambientes isolados que compartilham os mesmos recursos físicos, proporcionando melhor aproveitamento da infraestrutura e maior flexibilidade na alocação de cargas de trabalho.

Acerca da virtualização de servidores, dos modelos de serviço em computação em nuvem e da Internet das Coisas (IoT), julgue o item a seguir.

Um dos principais benefícios da virtualização é a maior resiliência dos serviços, uma vez que a migração de máquinas virtuais entre servidores físicos pode ocorrer sem interrupção perceptível.

Julgue o próximo item, em relação a cuDNN, gerenciamento de GPU com NVIDIA SMI, e infraestrutura e operação de ambientes com GPU. 

A virtualização de GPU com NVIDIA vGPU permite o compartilhamento de uma única GPU física entre múltiplas máquinas virtuais ou contêineres; no caso do uso com contêiner Docker, é necessário que o host tenha os drivers NVIDIA instalados, além do NVIDIA Container Toolkit, para que os contêineres consigam acessar a GPU corretamente. 

Julgue o próximo item, em relação a cuDNN, gerenciamento de GPU com NVIDIA SMI, e infraestrutura e operação de ambientes com GPU. 

A correta execução de bibliotecas de inteligência artificial que utilizem aceleração por GPU, como TensorFlow ou PyTorch com suporte CUDA, depende da compatibilidade entre as versões da GPU NVIDIA, do driver instalado, do CUDA Toolkit e da biblioteca utilizada, visto que uma incompatibilidade entre esses componentes pode impedir o uso da GPU, mesmo que ela esteja fisicamente instalada e funcional.

Julgue o próximo item, em relação a cuDNN, gerenciamento de GPU com NVIDIA SMI, e infraestrutura e operação de ambientes com GPU. 

O utilitário nvidia-smi, integrante da SMI da NVIDIA, é restrito à função de leitura passiva de métricas da GPU em tempo real, como temperatura, uso de memória e potência, não oferecendo suporte à reconfiguração de parâmetros operacionais nem à ativação de modos persistentes, funcionalidades que dependem exclusivamente de ferramentas avançadas como o NVIDIA Control Panel. 

Julgue o próximo item, em relação a cuDNN, gerenciamento de GPU com NVIDIA SMI, e infraestrutura e operação de ambientes com GPU. 

No ambiente Windows, a instalação e o uso do cuDNN com Python é um processo complexo que exige a compilação manual do cuDNN a partir do código-fonte e a modificação direta de bibliotecas Python de baixo nível, pois os frameworks de deep learning, como TensorFlow e PyTorch, não possuem integração nativa com o cuDNN no ambiente Windows, tornando-o inviável para desenvolvedores comuns. 

Julgue o próximo item, relativo a Keycloak, RabbitMQ, GitHub e Kubernetes.

No RabbitMQ, em sua versão mais recente, as filas de quórum devem ser utilizadas especialmente quando envolvem filas temporárias ou transitórias.