Você está na página 1de 25

ENTRE NO NOSSO GRUPO DO FACEBOOK

EMENTA

• Bancos de dados: Conceitos e fundamentos


– Projeto e modelagem de banco de dados relacional;
• Modelo Entidade Relacionamento;
• Normalização;
• Administração de dados
– Linguagem SQL e PL/SQL: consultas e subconsultas; Gatilho
(trigger), visão (view), function e stored procedures,
packages; Tratamento de erros; Cursores; Array;
– Noções de administração dos SGBDs Oracle, PostgreSQL e
MySQL
• Conceitos de Data Warehouse, Data Mining e OLAP.
QUESTÃO 01.
• Ano: 2018 Banca: CESRANRIO Órgão: TRANSPETRO
• Cargo: ANALISTA DE INFRAESTRUTURA Questão: 64
• As Tabelas abaixo foram geradas a partir de um modelo E-R de modo que
• a semântica desse modelo foi integralmente preservada.
• CREATE TABLE E1 (
• X1 CHAR(10) NOT NULL,
• X2 CHAR(10) NOT NULL,
• X3 CHAR(10) NOT NULL,
• Y1 CHAR(10) UNIQUE,
• Y2 CHAR(10),
• CONSTRAINT E1_PK PRIMARY KEY (X1))
• CREATE TABLE E2 (
• Z1 CHAR(10) NOT NULL,
• Z2 CHAR(10) NOT NULL,
• CONSTRAINT E2_PK PRIMARY KEY (Z1))
• CREATE TABLE S (
• X1 CHAR(10) NOT NULL,
• Z1 CHAR(10) NOT NULL,
• W1 CHAR(10) NOT NULL,
• CONSTRAINT S_PK PRIMARY KEY (Z1),
• CONSTRAINT S_FK1 FOREIGN KEY (X1)
• REFERENCES E1 (X1),
• CONSTRAINT S_FK2 FOREIGN KEY (Z1)
• REFERENCES E2 (Z1))
• Qual modelo E-R serviu de base para a geração das Tabelas acima?
QUESTÃO 02.
•Ano: 2018 Banca: CESRANRIO Órgão: TRANSPETRO Cargo: ANALISTA DE
INFRAESTRUTURA Questão: 62.

Seja o seguinte comando SQL:

SELECT P.MATRICULA
FROM PARTICIPACAO P, SIMULADO S
WHERE S.DATA='02/06/2017' AND S.CODIGO=P.CODIGO

Que sequência de operações da Álgebra Relacional produz o mesmo resultado que o


comando SQL acima?
QUESTÃO 03.
• 4. Ano: 2018 Banca: CESRANRIO Órgão: TRANSPETRO Cargo:
ANALISTA DE INFRAESTRUTURA Questão: 69
• O padrão ANSI/ISO SQL define três níveis de isolamento que
permitem a ocorrência de violações do tipo leitura fantasma.
• Esses três níveis são
• (A) READ UNCOMMITTED, READ COMMITTED e REPEATABLE READ
• (B) READ UNCOMMITTED, READ COMMITTED e SERIALIZABLE
• (C) READ UNCOMMITTED, REPEATABLE READ e SERIALIZABLE
• (D) READ COMMITTED, REPEATABLE READ e SNAPSHOT
• (E) REPEATABLE READ, SNAPSHOT e SERIALIZABLE
QUESTÃO 04.
• TRANSPETRO – PROCESSO DE NEGÓCIO - 38 • DATA BETWEEN '05/01/2018' AND '10/01/2018') > 0
• Considerando as Tabelas e as informações dadas, qual • (C) SELECT UNIQUE ID_FORN, OME
consulta exibe o número de identificação e o nome • FROM FORNECEDOR F LEFT JOIN VENDA V ON
dos fornecedores que realizaram pelo menos uma F.ID_FORN= V.ID_F
venda entre os dias 05/01/2018 (inclusive) e • WHERE DATA >= '05/01/2018' OR DATA <=
10/01/2018 (inclusive)? '10/01/2018'
• (A) SELECT ID_FORN, NOME • (D) SELECT ID_FORN, NOME
• FROM FORNECEDOR F, VENDA V • FROM FORNECEDOR F, VENDA V
• WHERE F.ID_FORN=ID_F AND DATA >= '05/01/2018' • WHERE F.ID_FORN=ID_F AND DATA >= '05/01/2018'
• INTERSECT • UNION
• SELECT ID_FORN, NOME • SELECT ID_FORN, NOME
• FROM FORNECEDOR F, VENDA V • FROM FORNECEDOR F, VENDA V
• WHERE F.ID_FORN=ID_F AND DATA <= '10/01/2018' • WHERE F.ID_FORN=ID_F AND DATA <= '10/01/2018'
• (B) SELECT ID_FORN, NOME • (E) SELECT ID_FORN, NOME
• FROM FORNECEDOR F • FROM FORNECEDOR F
• WHERE (SELECT COUNT(*) FROM VENDA • WHERE ID_FORN NOT IN (SELECT ID_F FROM VENDA
• WHERE F.ID_FORN=ID_F AND • WHERE DATA < '05/01/2018' OR DATA > '10/01/2018')
QUESTÃO 05.
• TRANSPETRO – PROCESSO DE NEGÓCIO - 39
• As Figuras abaixo exibem os dados que se encontram
armazenados nas Tabelas usadas para controlar as
compras de materiais de escritório.
• Considerando as informações apresentadas, qual
comando SQL será executado sem erro?
• (A) INSERT INTO FORNECEDOR
(ID_FORN,NOME,TEL2,TEL3) VALUES
• (5555, 'FORNECEDOR 5', '(21) 3456-9088', NULL)
• (B) INSERT INTO VENDA VALUES (3030, 2222,
'02/02/2018', 10.50, 80)
• (C) DELETE FROM FORNECEDOR WHERE ID_FORN NOT IN
(SELECT ID_F FROM VENDA)
• (D) DELETE FROM FORNECEDOR WHERE TEL3 IS NOT
NULL
• (E) INSERT INTO FORNECEDOR VALUES(9999, 'XXX', '(61)
2113-6589')
CONCEITOS
DE DATA
WAREHOUSE,
DATA MINING
E OLAP.
QUESTÃO 06.
• Ano: 2018 Banca: CESRANRIO Órgão: TRANSPETRO Cargo: SAP – QUESTÃO 58.
• A tomada de decisão nas organizações pode ser suportada por um conjunto de ferramentas
computacionais que refinarão as análises e darão mais segurança aos seus clientes gestores. Uma
dessas ferramentas é o uso de bases de dados dimensionais, os armazéns de dados, ou data
warehouses.
• Uma das características inerentes a esse repositório de dados é verificada por
• (A) diferenciar-se na estrutura de construção dos data marts, esses últimos construídos durante o
processo de data mining.
• (B) permitir operações de manutenção similares às bases transacionais, com operações de
alteração e remoção de registros específicos.
• (C) possibilitar a sua construção a partir de fontes de dados tanto internas quanto externas à
organização.
• (D) possuir características atemporais, pelo caráter consolidador de suas estruturas de dados.
• (E) ser direcionada a aplicações, com foco nos processos de negócio organizacionais.
QUESTÃO 07.
• Ano: 2018 Banca: CESRANRIO Órgão: TRANSPETRO Cargo: SAP – QUESTÃO 57
• No processo de extração, transformação e carga (ETL), uma característica da data
staging área é a de
• (A) aderir ao barramento de serviços da organização, de forma fisicamente
descentralizada.
• (B) apresentar serviços de consulta e apresentação para usuários finais dos
servidores OLTP.
• (C) armazenar os dados selecionados provenientes das diversas fontes para serem
usados pelo processo.
• (D) criar uma estrutura normalizada em enterprise data warehouses para suportar
aplicações OLAP.
• (E) suportar o processo de engenharia reversa interpretável pelo administrador de
banco de dados.
QUESTÃO 08.
• Ano: 2018 Banca: CESRANRIO Órgão: TRANSPETRO Cargo: SAP – QUESTÃO 63
• Os metadados têm fundamental importância na estrutura de data warehouses por
propiciarem um uso mais eficiente daquele repositório de dados, já que
• (A) alteram as tabelas de referência, provenientes do processo de extração de
dados.
• (B) balizam a política de recuperação lógica e física a ser adotada pelo
administrador de dados.
• (C) permitem que o usuário direcione a análise, pelo conhecimento da estrutura
dos dados.
• (D) propiciam a independência de dados, especificada pela arquitetura
ANSI/SPARC.
• (E) viabilizam a segurança discricionária de acesso às tabelas de dimensões do
repositório.
QUESTÃO 09.
• Ano: 2018 Banca: CESRANRIO Órgão: TRANSPETRO Cargo: SAP – QUESTÃO 64
• Um gestor acessa o servidor OLAP de sua organização, com o objetivo de analisar os resultados
anuais de seu desempenho. Após realizar uma consulta, ele pôde observar, a cada ano, o
rendimento médio de suas unidades de produção por região brasileira e por produto produzido.
• Todavia, julgou, em um determinado momento, que sua decisão precisava de um novo enfoque e
mudou a estrutura da análise, observando o mesmo rendimento médio anual por produto e por
estado da federação.
• Quais as duas operações OLAP ele realizou?
• (A) drill across e dicing
• (B) pivoting e drill down
• (C) roll down e drill through
• (D) roll up e slicing
• (E) slicing e dicing
QUESTÃO 10
• Ano: 2018 Banca: CESRANRIO Órgão: TRANSPETRO
Cargo: SAP – QUESTÃO 65.
• Seja o modelo dimensional de dados a seguir
representado, onde a tabela “Venda” é a tabela de fatos,
e as demais tabelas representam dimensões. Nesse
esquema, os atributos das tabelas foram omitidos.
• Nesse caso, qual o modelo multidimensional adotado?
• (A) Estrela, com a aplicação da 3ª forma normal em
tabelas de dimensão de primeiro nível, eleitas por um
critério de desempenho.
• (B) Estrela, com uma tabela de fatos central e tabelas de
relacionamento ligadas a ela, mesmo que indiretamente.
• (C) Estrela, pela conjugação da dimensão “Tempo” com as
demais dimensões, que a princípio deveriam ser
modeladas em separado.
• (D) Floco de neve, especializando tabelas de dimensão
por decomposição hierárquica.
• (E) Floco de neve, otimizando o desempenho do acesso
aos dados pela decomposição de dimensões indexadas.
TOP 10
C4.5
k-Means
SVM
Apriori
EM
PageRank
AdaBoost
kNN
Naive Bayes
CART
PROBLEMAS DE MINERAÇÃO
QUAIS SÃO OS TIPOS DE BACKUP? ORACLE

• Backups Lógicos: Que contêm dados e\ou definições


de objetos. Um exemplo comum de backup lógico é o
famoso export\import através do datapump pois ele
gera nada mais do que um arquivo binário com as
definições de estrutura, índices, grants, dados (e o que
mais você quiser) para importação.
• Backups Físicos: Que contém os arquivos físicos do
banco de dados como datafiles, archive logs ou
controlfiles.
BACKUPS CONSISTENTES E INCONSISTENTES
• Backups Consistentes (também conhecidos como cold backup): Feitos com a base
“desligada” ou em modo mount.
– Consiste basicamente em fazer um backup sem que a base esteja com transações ativas,
garantindo assim que todas as transações previamente realizadas estejam consistentes.
– A característica deste tipo de backup é que há a garantia de que todos os SCNs estão idênticos,
ou seja, todas as alterações que estavam no redo log e no buffer estão gravadas nos datafiles.

• Backups Inconsistentes (também conhecidos como hot backup): Feitos com a


base aberta e gerando transações.
– Como o banco está sendo constantemente utilizado antes, durante e depois do backup os
SCNs geralmente nunca batem (daí o nome inconsistente), o que faz o sistema depender dos
archived logs para posterior recuperação.
– Conforme podemos analisar das afirmações é certo que backups inconsistentes necessitam
que a base esteja em modo ARCHIVELOG.
RECUPERAÇÃO (ORACLE)

• O que é uma recuperação?


– Uma recuperação é o processo de reconstruir\restaurar
arquivos ou dados que tenham sofrido algumas das catástrofes.
• Geralmente envolvem duas fases:
– Restaurar o arquivo físico, que nada mais é do que pegar o
arquivo do backup e deixar o mesmo disponível para a
database (conhecida como Fase de Restore).
– Recuperar os dados aplicando os on-line\archived redo a fim de
trazer a base ao ponto mais atual antes de falha (conhecida
como Fase de Recover).
POSTGRESQL

BACKUP RESTORE
• SQL dump • psql dbname < infile
– pg_dump dbname > outfile • pg_restore -d dbname
• File system level backup filename
– tar -cf backup.tar
/usr/local/pgsql/data
• Continuous archiving
– write ahead log (WAL)
– Subdiretório: pg_xlog/
POSTGRESQL
MYSQL
BACKUP RESTORE
• mysqldump [option] -u • mysql -u [username] -
[username] -p[password] p[password] [database
[database name] > [dump name] < [dump file]
file]
GABARITO

• 1. D • 6. C
• 2. E • 7. C
• 3. A • 8. C
• 4. B • 9. B
• 5. C • 10. D