Para lidar com o grande volume e a complexidade dos dados do Big Data, foram desenvolvidas tecnologias e frameworks específicos, que superam as limitações dos sistemas de bancos de dados tradicionais. Um analista de dados de um órgão de pesquisa precisa processar um grande conjunto de dados não estruturados.

Analise as seguintes proposições sobre as tecnologias de Big Data:

I. O Hadoop é um framework de código aberto que permite o processamento distribuído de grandes conjuntos de dados em clusters de computadores. Seus componentes principais são o HDFS (Hadoop Distributed File System), para armazenamento distribuído, e o MapReduce, para o processamento paralelo.

II. O MapReduce é um modelo de programação onde a tarefa é dividida em duas fases: a fase 'Map', que processa e mapeia os dados de entrada em pares de chave-valor, e a fase 'Reduce', que agrega os resultados intermediários da fase 'Map' para produzir o resultado final.

III. O Spark é outro framework de processamento distribuído que, embora compatível com o ecossistema Hadoop, é conhecido por ser significativamente mais rápido, pois realiza o processamento em memória (in-memory), sendo ideal para aplicações de aprendizado de máquina e processamento de dados em tempo real.

Está correto o que se afirma em: 

Um gerente de projetos de uma empresa pública está estruturando um novo projeto de desenvolvimento de um sistema de informação e decidiu adotar as boas práticas do Guia PMBOK® 6ª Edição. Ele precisa organizar as atividades do projeto de acordo com os grupos de processos e as áreas de conhecimento. Com base na estrutura do Guia PMBOK® 6ª Edição, marque a alternativa CORRETA que descreve a relação entre os grupos de processos e o ciclo de vida de um projeto.

O Scrum é um framework ágil que se baseia em ciclos iterativos e incrementais chamados Sprints. Dentro de cada Sprint, uma série de eventos (cerimônias) é realizada para garantir a inspeção e adaptação contínuas. Um analista de sistemas está participando de um projeto que utiliza Scrum.

Marque a alternativa CORRETA que descreve o propósito da Reunião de Planejamento da Sprint (Sprint Planning).

Economia de municípios localizados às margens do Rio São Francisco apresenta forte relação com recursos naturais e com formas históricas de ocupação do território. A presença do rio também pode favorecer práticas relacionadas à pesca, ao turismo e ao abastecimento de água. A análise dessas atividades permite compreender a organização econômica de diversas localidades do semiárido nordestino. Nesse contexto, identifique a característica que representa a estrutura econômica predominante em municípios do sertão nordestino e assinale a alternativa CORRETA.

O profiling de dados é uma etapa analítica realizada sobre conjuntos de dados com o objetivo de compreender sua estrutura, qualidade e distribuição antes de iniciar processos de transformação ou carga em camadas analíticas. A realização adequada do profiling permite identificar problemas de qualidade e orientar as regras de tratamento a serem aplicadas no pipeline. Diante disso, analise as afirmativas a seguir sobre profiling básico de dados:
I. A análise de cardinalidade em uma coluna consiste em identificar o número de valores distintos presentes, sendo útil para reconhecer possíveis chaves candidatas e detectar colunas com baixa variabilidade que podem indicar problemas de qualidade.
II. O profiling de nulidade verifica a proporção de valores ausentes em cada coluna, fornecendo informações relevantes para decisões sobre estratégias de tratamento, como imputação, exclusão de registros ou criação de indicadores de ausência.
III. A análise de distribuição de frequência permite identificar quais valores ocorrem com maior regularidade em uma coluna e é aplicável exclusivamente a colunas com tipos de dados numéricos, não sendo útil para colunas do tipo texto ou categórico.
IV. O profiling básico, por ser uma análise estática realizada antes da ingestão, elimina a necessidade de validações de qualidade posteriores durante as fases de transformação e carga, desde que o dataset analisado não sofra alterações estruturais.
Estão CORRETAS: 

O formato JSON é um padrão amplamente utilizado para representação e troca de dados semiestruturados em pipelines, APIs REST e sistemas de integração corporativa. A correta interpretação da estrutura e dos tipos de dados do JSON é essencial para o processamento adequado das informações. Diante disso, analise o quadro a seguir, com um trecho JSON, extraído de um sistema de gestão de pedidos: 
{   "pedido_id": 1042,   "cliente": {   "nome": "Maria Souza",   " cpf" : " 123.456.789-00",   "ativo": true }, "itens": [   {    "produto": "Notebook", "quantidade": 1, "preco": 3500.00},   { "produto": "Mouse", "quantidade": 2, "preco":45.50 } ],   "observacao": null }

Com base na estrutura e nas especificações do formato JSON, assinale a alternativa CORRETA.

O formato CSV é amplamente utilizado em pipelines de dados para transferência de conjuntos de dados entre sistemas heterogêneos. Apesar de sua simplicidade, o formato apresenta características e limitações técnicas que devem ser consideradas durante a implementação de processos de ingestão e integração. Diante disso, analise as afirmativas a seguir sobre o formato CSV:

I. O formato CSV não incorpora um esquema de dados embutido no arquivo, o que exige que os tipos, significados e formatos de cada coluna sejam documentados externamente ou inferidos durante a leitura.
II. Um arquivo CSV suporta a representação nativa de dados hierárquicos e aninhados, como listas de itens vinculados a um único registro pai, desde que os delimitadores aninhados sejam configurados corretamente no parser utilizado.
III. Quando um valor de campo contém o caractere delimitador, esse campo deve ser envolvido entre aspas duplas para que o parser o interprete como um único valor, conforme previsto pela especificação RFC 4180.
IV. A codificação de caracteres utilizada em um arquivo CSV é declarada de forma explícita no próprio arquivo, garantindo que sistemas distintos realizem a leitura correta dos dados sem necessidade de configuração adicional.

Está(ão) CORRETA(S):

Na gestão de qualidade de dados em pipelines de ingestão, a aplicação de regras de validação e consistência é etapa essencial para assegurar que os dados disponibilizados nas camadas de consumo sejam confiáveis, completos e coerentes. O descumprimento dessas regras pode comprometer análises, relatórios e decisões de negócio suportadas pela plataforma de dados. Com base nas técnicas e conceitos de validação e consistência de dados, assinale a alternativa INCORRETA.

Na administração de bancos de dados, o fator de preenchimento (Fill Factor) determina a porcentagem do espaço em cada página de um índice que será preenchida com dados no momento de sua criação ou reconstrução, reservando o restante para futuras operações de inserção e atualização. A configuração inadequada do Fill Factor pode impactar o desempenho de leitura e escrita e aumentar a necessidade de manutenção periódica. Com base nos conceitos de índices e Fill Factor em banco de dados relacionais, assinale a alternativa INCORRETA.

No projeto de esquemas relacionais, as restrições de integridade (constraints) são mecanismos declarativos que definem regras sobre os dados armazenados, garantindo a consistência e a confiabilidade das informações no banco de dados. Um DBA está revisando o esquema de um sistema de gestão de contratos públicos para verificar se as restrições definidas estão adequadas às regras de negócio estabelecidas. Com base nos conceitos e no comportamento das constraints em bancos de dados relacionais, assinale a alternativa CORRETA.

Uma equipe de dados operacionaliza um pipeline de ingestão diária que carrega arquivos de diversas fontes para um data warehouse corporativo. Após uma falha em uma das etapas do processo, a equipe precisa analisar os registros de execução (logs) para identificar a causa do problema, o momento da interrupção e quais registros foram processados com sucesso antes da falha. Com base nas boas práticas de registro de execução em pipelines de dados, assinale a alternativa CORRETA.

Uma instituição pública implementa um sistema de gestão de benefícios sociais que armazena dados pessoais sensíveis dos beneficiários, incluindo informações de saúde, renda e composição familiar. O Analista é responsável por definir a política de controle de acesso e garantir conformidade com a Lei Geral de Proteção de Dados Pessoais (LGPD). Com base nos princípios da LGPD e nas boas práticas de controle de acesso em bancos de dados, assinale a alternativa CORRETA.

Um Analista de Sistemas analisa um relatório de contenção em um sistema de gestão de ordens de serviço com alto volume de transações simultâneas. O relatório indica que diversas transações de leitura (SELECT) estão sendo bloqueadas por transações de escrita (UPDATE) em andamento sobre a tabela de Ordens. Ao investigar o comportamento no SGBD, o DBA precisa compreender a compatibilidade entre os tipos de bloqueio envolvidos. Com base nos mecanismos de controle de concorrência e nos tipos de bloqueio em bancos de dados relacionais, assinale a alternativa CORRETA.

Em sistemas gerenciadores de bancos de dados relacionais, o controle de concorrência busca garantir que transações simultâneas sejam executadas de forma segura, mantendo a consistência dos dados. Em um sistema bancário, a Transação A obteve bloqueio exclusivo sobre o registro da Conta Corrente e aguarda o bloqueio sobre o registro de Transferência, enquanto a Transação B obteve bloqueio exclusivo sobre o registro de Transferência e aguarda o bloqueio sobre o registro da Conta Corrente, formando uma espera mútua indefinida. Com base no conceito de deadlock em bancos de dados relacionais, assinale a alternativa CORRETA.

No contexto de Backup e Recuperação no SQL Server, diferentes tipos de backup são utilizados para proteger os dados do banco e garantir a possibilidade de restauração em caso de falhas ou perda de informações.

Considerando esses tipos de backup, qual alternativa descreve CORRETAMENTE a estratégia adotada pelo backup diferencial?

No contexto de Alta Disponibilidade e Recuperação de Desastres no SQL Server, os Always On Availability Groups permitem replicar bancos de dados entre múltiplas réplicas, garantindo que os dados estejam disponíveis e consistentes. Para que as aplicações possam se conectar sem precisar identificar manualmente qual réplica está ativa, existe um componente que fornece um nome virtual, direcionando automaticamente os clientes para a réplica que está ativa, seja primária ou secundária.
Qual é o nome desse componente?

Um Analista de Sistemas foi encarregado de desenvolver um relatório gerencial utilizando a Structured Query Language (SQL). Nesse relatório, ele precisa agrupar registros do banco de dados institucional e, posteriormente, aplicar condições sobre esses grupos, considerando resultados de funções de agregação, de modo a exibir apenas os grupos que atendam a determinados critérios estabelecidos pela gestão.
Nesse contexto, qual cláusula SQL deve ser utilizada pelo Analista para atender a essa necessidade?

Um Analista de Sistemas está desenvolvendo um procedimento armazenado no SQL Server e precisa criar uma variável inteira para armazenar a contagem de registros processados durante a execução de uma rotina. Considerando a sintaxe do T-SQL avançado, qual comando cria CORRETAMENTE uma variável inteira chamada contador?

No contexto de Backup, Restore e Recuperação no SQL Server, os modelos de recuperação definem como o log de transações é mantido e como o banco de dados pode ser restaurado em caso de falhas. Entre os principais modelos estão: Simple, Full e Bulk-Logged. Assim, analise as assertivas a seguir sobre os modelos de recuperação e julgue-as em Verdadeiras (V) ou Falsas (F):

(  ) No modelo Simple, o log de transações é truncado automaticamente após checkpoint.
(  ) No modelo Full, o log de transações não é truncado automaticamente.
(  ) Nos modelos Simple e Full, não é possível realizar restauração point-in-time.
(  ) No modelo Bulk-Logged, é possível realizar restauração point-in-time mesmo que operações bulk tenham ocorrido.

Qual alternativa preenche, CORRETAMENTE, de cima para baixo, os parênteses acima?

Um Analista de Sistemas está configurando a replicação de dados entre servidores no SQL Server. Ele precisa que os dados de uma tabela sejam copiados completamente em um determinado momento e enviados ao servidor assinante. Esse tipo de replicação é ideal para cenários em que os dados mudam com pouca frequência ou quando uma pequena latência entre os servidores é aceitável. Considerando esse cenário, qual tipo de replicação do SQL Server atende a essa necessidade?