Resposta correta
Explicação
O cenário exige a ingestão contínua de dados e o processamento imediato para detectar anomalias e disparar alertas, o que é a característica definidora do processamento de fluxo. Tecnologias como Azure Stream Analytics ou Apache Kafka são projetadas para lidar com fluxos de dados ilimitados com processamento de baixa latência, ao contrário do processamento em lote, que opera em conjuntos de dados estáticos em intervalos agendados.
Para se aprofundar
O processamento de fluxo ingere e analisa dados continuamente à medida que os eventos chegam, tipicamente com baixa latência, usando motores como Azure Stream Analytics, Event Hubs ou Spark Structured Streaming. Os eventos fluem por um pipeline onde funções de janela agregam sobre fatias de tempo e regras ou modelos detectam anomalias, emitindo alertas em segundos. Isso difere do processamento em lote, que acumula dados e os processa em um cronograma, e do processamento transacional, que lida com operações de negócios discretas, como entrada de pedidos. Uma sutileza: os sistemas de fluxo frequentemente usam semântica de tempo de evento versus tempo de processamento, e eventos que chegam tarde exigem marcas d'água ou atrasos permitidos para evitar resultados descartados ou fora de ordem. Em um cenário de fábrica, leituras de vibração ou temperatura transmitidas por sensores podem disparar alertas imediatos de manutenção, enquanto a análise em lote noturna detectaria a anomalia apenas após a ocorrência de possíveis danos ao equipamento.
Sobre estas questões de prática
Esta é uma das questões de prática originais de DP-900 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.