Um time está iniciando a migração de dados de um sistema tra...
Próximas questões
Com base no mesmo assunto
Ano: 2026
Banca:
FGV
Órgão:
TJ-RJ
Prova:
FGV - 2026 - TJ-RJ - Analista Judiciário - Tecnologia da Informação - Analista de Inteligência Artificial |
Q3874739
Banco de Dados
Um time está iniciando a migração de dados de um sistema transacional (OLTP) legado para um novo Data Warehouse (DW) corporativo. O sistema legado possui um modelo de dados altamente normalizado, atendendo à Terceira Forma Normal (3FN), o que garante a integridade das transações diárias. No entanto, para o novo ambiente analítico, cujo foco é a geração de relatórios gerenciais e painéis de BI (Business Intelligence) com alto volume de leitura, o arquiteto decidiu aplicar técnicas de desnormalização intencional em algumas tabelas, consolidando dados de produtos e categorias em uma única estrutura dimensional.
Considerando os impactos dessa decisão de projeto e os fundamentos da modelagem de dados, é correto afirmar que:
Considerando os impactos dessa decisão de projeto e os fundamentos da modelagem de dados, é correto afirmar que:
Gabarito comentado
Confira o gabarito comentado por um dos nossos professores
Gabarito: B
Fundamento decisivo: A chave decisiva é o contraste entre OLTP normalizado e DW analítico desnormalizado: no DW, a redução de joins favorece consultas de leitura.
Tema central: Desnormalização em DW
Análise das alternativas
A
Errada
Está errada porque desloca o objetivo principal da desnormalização para escrita. Pela base, em DW a desnormalização é adotada para favorecer leitura e consulta analítica, não para otimizar inserts e updates.
B
Certa
A alternativa B está correta porque descreve exatamente o critério de modelagem analítica indicado na base: em Data Warehouse, a desnormalização é usada para simplificar consultas e reduzir a quantidade de junções, o que tende a melhorar o desempenho de leitura. O preço dessa escolha é conhecido: mais redundância, maior consumo de armazenamento e aumento do risco de inconsistências caso dados redundantes precisem ser atualizados.
C
Errada
Está errada porque trata a 3FN como escolha ideal para maximizar consultas de agregação em DW. A base afirma o contrário do ponto decisivo: a 3FN reduz redundância e anomalias, mas em geral aumenta a necessidade de joins, não sendo por si a modelagem típica para melhor desempenho analítico.
D
Errada
Está errada por dois motivos concretos: desnormalização não é requisito obrigatório de NoSQL e não é tecnicamente inviável em bancos relacionais. A base é expressa em que redundância deliberada pode existir em SQL e é comum em modelos relacionais de DW.
E
Errada
Está errada porque inverte os conceitos de esquema estrela e esquema floco de neve. Pela base, dimensão plana e mais desnormalizada aproxima esquema estrela; snowflake mantém maior normalização das dimensões e hierarquias separadas.
Pegadinha da questão
A confusão real era trocar a lógica de OLTP pela de DW: achar que desnormalização serve principalmente para escrita, ou confundir dimensão desnormalizada com snowflake.
Dica para questões semelhantes
- Se o contexto for OLTP, priorize integridade transacional e menor redundância; se for DW, verifique se a modelagem busca facilitar leitura e agregação.
- Quando a alternativa falar em desnormalização no ambiente analítico, o efeito esperado é menos joins e consulta mais simples, não ganho principal em escrita.
- 3FN reduz redundância e anomalias de atualização, mas normalmente cobra mais joins; use esse contraste para eliminar opções em questões de OLTP versus DW.
- Dimensão mais plana e desnormalizada aponta para esquema estrela; snowflake indica dimensões mais normalizadas.
Clique para visualizar este gabarito
Visualize o gabarito desta questão clicando no botão abaixo
Comentários
Veja os comentários dos nossos alunos
B
A desnormalização em um DW reduz o uso de joins nas consultas analíticas, acelerando a leitura de dados. O custo é o aumento de espaço de armazenamento e risco de anomalias de atualização. A A erra pois o foco é otimizar leitura e não escrita. A C falha porque a 3FN lentifica agregações. A D erra ao negar redundância em bancos relacionais. A E inverte conceitos, pois agregar atributos em dimensão única caracteriza o modelo estrela e não o Snowflake.
Siga-me @rexconcurseiro
A alternativa correta é a B: a estratégia adotada visa a reduzir a quantidade de junções (joins) necessárias durante as consultas analíticas, melhorando o desempenho de leitura, embora isso acarrete aumento do espaço de armazenamento e risco de anomalias de atualização.
- Por que a B está correta? No ambiente de Data Warehouse (DW), o foco é a alta performance de leitura para relatórios e BI. Ao juntar os dados de produtos e categorias (desnormalização), o banco de dados não precisa realizar operações de em tempo de execução para essas entidades. Isso acelera muito as consultas, mas gera redundância (o nome da categoria se repete para cada produto), aumentando o espaço em disco e exigindo cuidado com atualizações para evitar inconsistências.
- Por que a A está errada? A desnormalização piora o desempenho de escrita ( e ), pois há mais dados repetidos para atualizar e gravar. O foco dela é otimizar a leitura.
- Por que a C está errada? A 3FN é ideal para sistemas transacionais (OLTP), mas péssima para DW (OLAP). Consultas analíticas em bases 3FN exigem dezenas de , o que destrói a performance de agregação de grandes volumes de dados.
- Por que a D está errada? A desnormalização é perfeitamente viável e amplamente utilizada em bancos de dados relacionais (SQL), especialmente em modelagens dimensionais (como o esquema Estrela).
- Por que a E está errada? O arquiteto está transformando o modelo em um esquema Estrela (Star Schema). O esquema Floco de Neve (Snowflake) é justamente aquele que mantém as dimensões normalizadas (separando produtos e categorias em tabelas diferentes).
.
Clique para visualizar este comentário
Visualize os comentários desta questão clicando no botão abaixo
Conheça nossos planos