QUIZIZZ 1 | DATA ENGINNER

Qual serviço do GCP é um data warehouse totalmente gerenciado, projetado para armazenar, consultar e analisar grandes volumes de dados de forma rápida e escalável?

• Cloud Storage

• Bigtable

• BigQuery

• Cloud SQL

Para processamento de dados unificado, tanto em tempo real quanto em lote, utilizando a API do Apache Beam, qual serviço do GCP é o mais indicado?

• Dataproc

• Dataflow

• Pub/Sub

• Cloud Functions

Qual serviço do GCP é ideal para implantar e gerenciar clusters Hadoop e Spark na nuvem para processamento distribuído de Big Data?

• Dataflow

• BigQuery

• Dataproc

• Kubernetes Engine

No contexto de engenharia de dados na nuvem, o que significa "ingestão de dados"?

• O processo de análise e visualização dos dados.

• O processo de limpeza e transformação dos dados brutos.

• O processo de coleta e importação de dados de diversas fontes para um sistema de armazenamento.

• O processo de armazenamento de dados processados em sistemas escaláveis.

Qual das seguintes opções NÃO é uma forma de carregar dados para o BigQuery?

• Carregamento de arquivos (CSV, JSON, Avro, Parquet).

• Streaming de dados em tempo real via API.

• Consulta de dados existentes em outras tabelas BigQuery.

• Conexão direta com bancos de dados relacionais on-premises sem ferramentas adicionais.

No BigQuery, qual é a função de um "conjunto de dados" (dataset)?

• Armazenar fisicamente os dados em colunas.

• Ser a unidade fundamental de armazenamento, contendo linhas e colunas.

• Ser um contêiner lógico para organizar e controlar o acesso a tabelas, visualizações e funções.

• Executar consultas SQL sobre os dados armazenados.

Qual prática é recomendada para otimizar consultas SQL no BigQuery?

• Utilizar SELECT * para garantir que todos os dados sejam recuperados.

• Evitar o uso da cláusula WHERE para processar mais dados.

• Selecionar apenas as colunas necessárias para a consulta.

• Realizar o máximo de junções (JOINs) possíveis em uma única consulta.

O que são "Collections" no contexto do Dataflow?

• Pipelines de dados completos.

• Operações de transformação de dados.

• Coleções de dados distribuídas que fluem pelo pipeline.

• Fontes de dados em tempo real.

Qual modelo de programação o Dataflow utiliza, permitindo o uso de SDKs como Java e Python?

• MapReduce

• Modelo de Atores

• Modelo de programação de fluxo de dados (baseado em Apache Beam)

• Programação Orientada a Objetos

Qual a principal vantagem do Dataproc em relação à gestão manual de clusters Hadoop/Spark?

• Custo zero para execução de jobs.

• Gerenciamento automático de configuração, provisionamento, escalonamento e monitoramento.

• Suporte exclusivo para a linguagem Python.

• Capacidade de processamento apenas em tempo real.