Uma empresa de varejo online enfrenta um rápido crescimento no volume de dados de vendas e transações, ultrapassando a capacidade do seu banco de dados relacional tradicional. Qual seria a melhor solução para gerenciar esses dados de forma eficiente e escalável? A) Adotar um data warehouse : Um data warehouse centralizado pode armazenar e analisar dados históricos de vendas, mas não é ideal para processamento em tempo real e grandes volumes de dados não estruturados. B) Otimizar o banco de dados relacional existente : Implementar técnicas de otimização como normalização, indexação e particionamento pode melhorar o desempenho, mas pode ser insuficiente para lidar com o crescimento exponencial de dados. C) Adotar um banco de dados NoSQL orientado a documentos : Bancos de dados NoSQL orientados a documentos como MongoDB ou CouchDB podem armazenar, consultar e analisar grandes volumes de dados de vendas e transações de forma eficiente e escalável. D) Implementar um lago de dados : Um lago de dados pode armazenar todos os dados brutos de vendas e transações em formato nativo, mas requer ferramentas e expertise para análise e visualização dos dados. E) Utilizar um banco de dados NoSQL chave-valor : Bancos de dados chave-valor como Redis ou Memcached oferecem alto desempenho para consultas simples, mas não são adequados para armazenar e analisar dados estruturados complexos.

C) Adotar um banco de dados NoSQL orientado a documentos : Bancos de dados NoSQL orientados a documentos como MongoDB ou CouchDB podem armazenar, consultar e analisar grandes volumes de dados de vendas e transações de forma eficiente e escalável.

Uma empresa de varejo online enfrenta um rápido crescimen...

1Q907143 | Arquitetura de Software, Infraestrutura Operação e Segurança, CELESC, ACAFE, 2024

Uma empresa de varejo online enfrenta um rápido crescimento no volume de dados de vendas e transações, ultrapassando a capacidade do seu banco de dados relacional tradicional. Qual seria a melhor solução para gerenciar esses dados de forma eficiente e escalável?

✂️ a) Adotar um data warehouse: Um data warehouse centralizado pode armazenar e analisar dados históricos de vendas, mas não é ideal para processamento em tempo real e grandes volumes de dados não estruturados.
✂️ b) Otimizar o banco de dados relacional existente: Implementar técnicas de otimização como normalização, indexação e particionamento pode melhorar o desempenho, mas pode ser insuficiente para lidar com o crescimento exponencial de dados.
✂️ c) Adotar um banco de dados NoSQL orientado a documentos: Bancos de dados NoSQL orientados a documentos como MongoDB ou CouchDB podem armazenar, consultar e analisar grandes volumes de dados de vendas e transações de forma eficiente e escalável.
✂️ d) Implementar um lago de dados: Um lago de dados pode armazenar todos os dados brutos de vendas e transações em formato nativo, mas requer ferramentas e expertise para análise e visualização dos dados.
✂️ e) Utilizar um banco de dados NoSQL chave-valor: Bancos de dados chave-valor como Redis ou Memcached oferecem alto desempenho para consultas simples, mas não são adequados para armazenar e analisar dados estruturados complexos.