Acerca de sistemas de suporte à decisão, técnicas de modelagem e otimização de b...

Questão de Informática da banca CESPE CEBRASPE aplicada no concurso TRT 8a (2013). Confira a resolução completa abaixo:

Q626197•
Informática•
Data Warehouse•
CESPE CEBRASPE•
TRT 8a•
Analista Judiciário

Acerca de sistemas de suporte à decisão, técnicas de modelagem e otimização de bases de dados multidimensionais, assinale a opção correta.

Na modelagem multidimensional, caso haja as dimensões tempo e local ligadas a fato, é necessário optar-se por uma delas, pois somente uma dimensão poderá estar presente em cada modelo.

É possível haver somente uma tabela fato na modelagem multidimensional, e um fato poderá guardar no máximo uma medida, pois cada medida é uma representação unívoca de um fato.

As dimensões na modelagem da base de dados podem ser do tipo aditivas e não aditivas, sendo ambas oriundas da modelagem Snow Flake.

Para prover maior desempenho nas consultas aos data warehouses, os dados devem ser desnormalizados, devendo ser mantido o mesmo valor das chaves primárias entre a fonte de dados e as chaves das dimensões.

Em sistemas transacionais, em que as transações são a unidade e o agente de mudança no banco de dados, as informações no data warehouse são não voláteis e têm granularidade muito mais espessa, sendo atualizadas de acordo com uma escolha cuidadosa da política de atualização.

Questões Relacionadas

Q611900•
Informática•
Data Warehouse

O datawarehouse requer a definição e a implementação de procedimentos que efetuem a

inserção de dados dos bancos de dados dos sistemas do nível operacional, a integração dos dados inseridos dos diferentes bancos de dados, a agregação dos dados conflitantes e a manutenção de metarotinas.

extração de dados dos bancos de dados dos sistemas do nível gerencial, a integração dos dados extraídos dos bancos de dados equivalentes, a integração dos dados agregados e a construção de metadados.

extração de dados dos bancos de dados dos sistemas do nível operacional, a integração dos dados extraídos dos diferentes bancos de dados, a agregação dos dados integrados e a manutenção de metadados.

extração de dados dos sistemas do nível operacional, a integração dos dados inseridos nos diferentes bancos de dados, a agregação dos dados integrados a nível gerencial e a inserção de metadados.

extração de dados dos sistemas do nível operacional, a integração dos dados codificados a nível operacional, a agregação dos dados especializados e a manutenção de metadados.

Q119500•
Informática •
Data Warehouse•
CESGRANRIO•
TRANSPETRO•
Analista de Sistemas Júnior

Os conceitos e aplicações de data warehouse e visões de bancos de dados relacionais de sistemas transacionais possuem pontos em comum, e, por conta deles, eventualmente são erroneamente considerados sinônimos. Uma das diferenças entre visões de bancos de dados relacionais e data warehouses reside no fato de que visões relacionais de bancos de dados transacionais

implementam como uma de suas componentes a dimensão tempo, que nem sempre está presente em data warehouses.

permitem a combinação dinâmica de seus dados, em diferentes perspectivas, pela aplicação de operações pivoting e roll up.

podem ser indexadas, ao contrário de data warehouses, que, por sua característica multidimensional, são armazenados em árvores AVL.

podem, diferentemente de data warehouses, ser implementadas com técnicas top down e bottom up.

possuem estados com conteúdo dinâmico, já que elas dependem dos estados das relações que referenciam, diferentemente de data warehouses, de natureza não volátil.

Q117193•
Informática •
Data Warehouse•
CESGRANRIO•
ELETROBRÁS•
Analista de Sistemas

Um data mart do departamento de vendas de uma grande empresa possui uma tabela fato com cinco métricas associadas a oito diferentes dimensões. O analista de TI está em dúvida sobre que modelagem utilizar. Considerando-se as opções snowflake e star schema, qual a desvantagem de se utilizar, nessa situação, a modelagem snowflake?

A modelagem star schema não contempla a possibilidade de armazenamento de atributos para cada dimensão, minimizando a quantidade de memória utilizada.

Uma maior quantidade de joins entre as tabelas de dimensões e as tabelas de hierarquia associadas será realizada, ocasionando queda de desempenho no processo de agregação das métricas.

As chaves estrangeiras, relativas às dimensões armazenadas na tabela fato, devem corresponder às hierarquias existentes nessas dimensões, ocasionando maior quantidade de registros na tabela fato.

Na modelagem snowflake, a manutenção dos dados dimensionais se torna mais dispendiosa, tendo em vista que as tabelas dimensionais não estão normalizadas.

Diferentemente da modelagem star schema, na modelagem snowflake, as chaves estrangeiras na tabela fato não apontam para o nível mais baixo (atômico) da hierarquia das dimensões associadas.

Mais sobre Data Warehouse →

Notificações

Nada por aqui