FácilMúltipla escolha

Questão de prática de SAP-C02

Uma empresa deseja implementar um data lake na AWS com dados de múltiplas fontes. Eles precisam armazenar os dados em seu formato bruto e permitir que várias equipes os consultem usando diferentes ferramentas. Qual serviço deve ser usado como a camada de armazenamento central?

Escolha a melhor resposta.

Resposta correta

  • CAmazon S3

Explicação

O Amazon S3 é a escolha correta porque fornece um serviço de armazenamento de objetos altamente durável, escalável e econômico que pode armazenar dados em seu formato bruto e nativo (por exemplo, CSV, JSON, Parquet, imagens). Ele suporta múltiplos mecanismos de consulta, como Amazon Athena, Amazon Redshift Spectrum e AWS Glue, permitindo que diversas equipes consultem os mesmos dados usando diferentes ferramentas sem a necessidade de movimentação de dados.

Por que cada alternativa está certa ou errada

A

Incorreta

Amazon DynamoDB

O DynamoDB é um armazenamento de chave-valor e de documentos acessado via APIs, portanto, não pode conter arquivos brutos em formato nativo para mecanismos de consulta arbitrários. É tentador porque o DynamoDB escala massivamente para consultas de aplicativos de baixa latência, e seria correto para um armazenamento operacional de alto rendimento em vez de um data lake.

B

Incorreta

Amazon Redshift

O Redshift é um data warehouse colunar que requer dados carregados e modelados por esquema; ele não pode servir como a camada de recebimento em formato bruto consultada por várias ferramentas independentes. É tentador porque o Redshift se destaca em análises SQL em grande escala, e seria correto para a camada de consulta curada situada no topo de um data lake.

C

Correta

Amazon S3

O Amazon S3 fornece armazenamento de objetos durável com esquema na leitura (schema-on-read) que mantém os dados em seu formato bruto nativo, atendendo ao requisito de preservar a fidelidade da fonte. Seu desacoplamento da computação permite que Athena, Redshift Spectrum e EMR consultem os mesmos objetos de forma independente, o que nenhum mecanismo de análise de propósito único permite.

D

Incorreta

Amazon RDS

O Amazon RDS é um mecanismo relacional gerenciado para cargas de trabalho transacionais, não um repositório para arquivos brutos e multilinha consultados por diversas ferramentas de análise. É tentador porque o RDS lida bem com dados OLTP estruturados e atenderia a um cenário que precise de um banco de dados PostgreSQL ou MySQL gerenciado em vez de uma camada de armazenamento de data lake.

Para se aprofundar

O Amazon S3 fornece armazenamento de objetos durável e virtualmente ilimitado onde os dados chegam em seu formato original e, por estar desacoplado de qualquer mecanismo de computação, o Athena, Redshift Spectrum, EMR, Glue e QuickSight podem consultar os mesmos objetos através de mecanismos separados. Essa separação entre armazenamento e computação é o que permite que várias equipes usem diferentes ferramentas sem copiar ou transformar os dados primeiro. Uma sutileza que vale a pena saber: a consistência do S3 agora é fortemente consistente de leitura após gravação para novas gravações e substituições, e particionar seus prefixos (por exemplo, por data) reduz drasticamente os bytes escaneados por mecanismos de eliminação de partições, diminuindo diretamente o custo das consultas. Em um lakehouse realista, arquivos JSON e Parquet brutos ficam no S3 sob um prefixo curado, com um Catálogo de Dados do Glue definindo esquemas para que cada ferramenta de análise descubra as mesmas tabelas.

Sobre estas questões de prática

Esta é uma das questões de prática originais de SAP-C02 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.