MédiaVárias respostas

Questão de prática de DEA-C01

Uma empresa usa o Amazon Redshift para análises. A engenharia de dados deseja melhorar o desempenho de consultas para consultas agregadas usadas com frequência. Quais DUAS ações ajudariam a alcançar isso?

Escolha todas as respostas corretas.

Respostas corretas

  • BUsar chaves de distribuição para colocalizar dados nos mesmos slices de nó
  • DDefinir chaves de ordenação apropriadas nas tabelas

Explicação

A escolha de uma chave de distribuição apropriada coloca linhas correspondentes nos mesmos slices de nó, para que junções e agregações possam ser processadas localmente sem redistribuição de dados cara (difusão ou embaralhamento) pelo cluster, acelerando diretamente as consultas agregadas usadas com frequência. A opção D está correta porque a definição de chaves de ordenação apropriadas ordena fisicamente os dados no disco pelas colunas de chave, permitindo que mapas de zona ignorem blocos irrelevantes e permitindo varreduras limitadas por intervalo eficientes e junções de mesclagem, o que reduz os dados lidos para consultas agregadas. A opção A não está correta porque adicionar filas de consultas WLM apenas altera a concorrência e a alocação de memória entre grupos de consultas; por si só, não torna uma consulta agregada individual mais rápida. A opção C não está correta porque o VACUUM recupera espaço de linhas excluídas e reordena os dados, o que é uma operação de manutenção em vez de uma mudança de design que melhora o desempenho de consultas agregadas. A opção E não está correta porque adicionar nós aumenta a capacidade do cluster e o paralelismo, mas não aborda o layout de dados subjacente, portanto, tabelas mal distribuídas ou não ordenadas ainda podem causar consultas agregadas lentas.

Por que cada alternativa está certa ou errada

A

Incorreta

Aumentar o número de filas de consultas WLM

Adicionar filas de consultas WLM altera a concorrência e a alocação de memória entre grupos de carga de trabalho, governando o agendamento em vez do cálculo agregado. É correto ao separar cargas de trabalho mistas para evitar contenção de recursos, não para acelerar consultas agregadas usadas com frequência.

B

Correta

Usar chaves de distribuição para colocalizar dados nos mesmos slices de nó

As chaves de distribuição determinam qual slice de nó armazena cada linha, de modo que a colocalização de linhas unidas ou agregadas no mesmo slice permite que o Redshift execute junções locais e agregação parcial, cortando o movimento de dados pela rede durante consultas agregadas.

C

Incorreta

Executar o comando VACUUM para recuperar espaço de linhas excluídas

O VACUUM recupera armazenamento e reordena as linhas após exclusões ou cargas, o que ajuda na eficiência de varredura em geral, mas não reestrutura os dados para consultas agregadas. É a ação correta após atividade pesada de exclusão ou atualização para restaurar a ordem ordenada e liberar espaço.

D

Correta

Definir chaves de ordenação apropriadas nas tabelas

As chaves de ordenação armazenam linhas em ordem ordenada no disco, permitindo que mapas de zona ignorem blocos irrelevantes durante varreduras limitadas por intervalo. Consultas agregadas que filtram na coluna de ordenação leem, portanto, muito menos blocos, reduzindo E/S e melhorando o desempenho.

E

Incorreta

Aumentar o número de nós no cluster

Adicionar nós aumenta o armazenamento do cluster e a capacidade de computação para cargas de trabalho concorrentes, mas não altera como as consultas agregadas são executadas. É correto quando os nós existentes estão saturados pelo volume de dados ou carga de consulta concorrente, não para acelerar agregações repetidas.

Para se aprofundar

O Amazon Redshift distribui linhas de tabela entre slices de nó com base em uma chave de distribuição; se as tabelas unidas compartilham a mesma chave, as junções colocalizadas evitam o embaralhamento de rede. As chaves de ordenação ordenam fisicamente os dados no disco, permitindo que mapas de zona ignorem blocos irrelevantes para consultas agregadas e limitadas por intervalo. Um limite subtil: uma tabela pode ter apenas uma chave de distribuição e uma chave de ordenação (embora existam chaves de ordenação compostas e intercaladas), e uma escolha ruim pode causar distorção de dados ou sobrecarga de limpeza. Em um cenário realista, uma tabela de fatos unida a uma dimensão em customer_id se beneficia de DISTKEY(customer_id) em ambas, enquanto uma chave de ordenação em order_date acelera consultas agregadas mensais ao podar blocos.

Sobre estas questões de prática

Esta é uma das questões de prática originais de DEA-C01 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.