DifícilVárias respostas

Questão de prática de DEA-C01

Uma empresa está usando o Amazon Redshift para seu data warehouse. A equipe de engenharia de dados precisa melhorar o desempenho de consultas para uma tabela Fato grande que é frequentemente unida (joined) a várias tabelas Dimensão. Quais TRÊS estratégias devem ser consideradas?

Escolha todas as respostas corretas.

Respostas corretas

  • ADefinir chaves de ordenação em colunas usadas em cláusulas WHERE.
  • DEscolher uma chave de distribuição apropriada com base nas colunas de junção.
  • EAplicar compressão colunar para reduzir o armazenamento e a E/S.

Explicação

A opção A está correta porque definir chaves de ordenação (sort keys) em colunas usadas frequentemente em cláusulas WHERE permite que o Redshift use mapas de zona (zone maps) e metadados em nível de bloco para ignorar blocos irrelevantes, reduzindo drasticamente a E/S para consultas filtradas na tabela Fato grande. A opção D está correta porque escolher uma chave de distribuição (distribution key) com base nas colunas de junção da tabela Fato coloca as linhas correspondentes na mesma fatia (slice) do nó, permitindo junções colocalizadas (collocated joins) que evitam a redistribuição custosa de dados (broadcast ou shuffle) em todo o cluster. A opção E está correta porque a compressão colunar reduz a quantidade de dados lidos do disco e melhora a eficiência de E/S, o que é especialmente benéfico para tabelas Fato grandes varridas por consultas analíticas. A opção B não é ideal aqui porque o DISTSTYLE EVEN espalha as linhas uniformemente, mas não colocaliza as chaves de junção, portanto as junções com tabelas Dimensão exigem redistribuição pela rede, prejudicando o desempenho de junções frequentes. A opção C não é uma estratégia direcionada para o desempenho de junções; adicionar nós aumenta a capacidade de computação e armazenamento, mas por si só não aborda chaves de ordenação, chaves de distribuição ou compressão, e pode não resolver gargalos relacionados a junções.

Por que cada alternativa está certa ou errada

A

Correta

Definir chaves de ordenação em colunas usadas em cláusulas WHERE.

As chaves de ordenação ordenam fisicamente as linhas no disco pelas colunas escolhidas, portanto, predicados de intervalo e igualdade em cláusulas WHERE ignoram blocos irrelevantes por meio de mapas de zona. Isso reduz as linhas escaneadas para a tabela Fato grande, melhorando diretamente as consultas filtradas que alimentam as junções.

B

Incorreta

Usar DISTSTYLE EVEN para distribuir os dados uniformemente.

O DISTSTYLE EVEN espalha as linhas em rodízio (round-robin), de modo que as linhas de junção caem em fatias diferentes e exigem redistribuição de rede; a distribuição KEY na coluna de junção as colocaliza. É tentador porque o EVEN equilibra o armazenamento e se adapta a tabelas que nunca são unidas em uma coluna comum.

C

Incorreta

Aumentar o número de nós no cluster.

Adicionar nós aumenta a capacidade de computação e armazenamento, mas o foco visa o desempenho de junção em uma tabela Fato grande, o que a distribuição e as chaves de ordenação abordam diretamente. É tentador porque escalar horizontalmente (scale out) aumenta a taxa de transferência (throughput) e seria correto para um cluster que é genuinamente limitado por CPU ou memória.

D

Correta

Escolher uma chave de distribuição apropriada com base nas colunas de junção.

As chaves de distribuição controlam qual fatia armazena cada linha; escolher uma coluna frequentemente usada em junções colocaliza linhas correspondentes na mesma fatia. Isso permite que o Redshift execute junções colocalizadas sem transmitir ou redistribuir a tabela Fato grande entre os nós, cortando o tempo de rede e de consulta.

E

Correta

Aplicar compressão colunar para reduzir o armazenamento e a E/S.

A compressão colunar armazena os valores de cada coluna de forma contígua e os codifica, fazendo com que o Redshift leia muito menos blocos ao escanear as colunas unidas da tabela Fato. Isso reduz diretamente o volume de E/S, o custo dominante nas varreduras e junções de tabelas Fato grandes descritas.

Para se aprofundar

O Amazon Redshift distribui linhas entre nós de computação de acordo com o estilo de distribuição e, quando duas tabelas compartilham a mesma chave de distribuição em uma coluna de junção, o planejador de consultas pode executar uma junção colocalizada sem movimento de dados pela rede. As chaves de ordenação, particularmente compostas ou intercaladas, permitem que o mapa de zona ignore blocos inteiros de 1 MB durante predicados WHERE restritos por intervalo, cortando drasticamente os dados escaneados. A compressão colunar codifica cada coluna separadamente, reduzindo E/S e armazenamento, já que consultas analíticas tocam em poucas colunas. Uma sutileza que vale a pena saber é que o DISTSTYLE EVEN é melhor para tabelas que nunca são unidas, portanto não é a otimização aqui. Isso importa porque uma chave de distribuição mal escolhida causa etapas de broadcast ou shuffle que dominam o tempo de execução de consultas em tabelas Fato grandes.

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.