-
Padrão de descoberta ad hoc
Em muitos casos, a criação de relatórios padrão que sejam adequados para todas as necessidades de negócios não é viável, pois as empresas têm requisitos de consultas de dados de negócios diversas. Os usuários podem precisar da capacidade de enviar consultas ad hoc ao procurar por informações especificas, dependendo do contexto do problema.
A análise ad hoc pode ajudar os cientistas de dados e os principais usuários corporativos a entender o comportamento dos dados de negócios. A complexidade envolvida no processamento ad hoc surge de diversos fatores:
Várias fontes de dados disponíveis para os mesmos domínios.Uma única consulta pode ter vários resultados.O resultado pode ser estático com uma variedade de formatos (vídeo, áudio, gráfico e texto).O resultado pode ser dinâmico e interativo.Aumentar os armazenamentos de dados tradicionaisDurante a exploração inicial do big data, muitas empresas prefeririam usar a plataforma de analítica existente para manter os custos baixos e contar com as qualificações atuais. Aumentar os armazenamentos de dados existentes ajuda a ampliar o escopo de dados disponível para a analítica atual para incluir dados que residem dentro e fora dos limites organizacionais, como dados de mídia social, que podem melhorar os dados principais. Ao ampliar o escopo para incluir novas tabelas de fatos, dimensões e dados principais nos armazenamentos existentes e adquirir dados de clientes a partir de mídia social, uma organização pode obter um insight mais profundo do cliente.
No entanto, lembre-se de que novos conjuntos de dados normalmente são maiores e as ferramentas de extração, transformação e carregamento atuais podem não ser suficientes para processá-los. Podem ser necessárias ferramentas avançadas com recursos de processamento paralelo massivo para lidar com as características de volume, variedade, veracidade e velocidade dos dados.
Padrão de análise ad hocO processamento de consultas ad hoc no big data traz desafios diferentes daqueles incorridos ao realizar consultas ad hoc em dados estruturados pelo fato de as fontes e formatos dos dados não serem fixos e exigirem mecanismos diferentes para recuperá-los e processá-los.
Embora as consultas ad hoc simples possam ser resolvidas pelos provedores de big data, na maioria dos casos, elas são complexas porque os dados, algoritmos, formatos e resoluções da entidade devem ser descobertos dinamicamente. O conhecimento dos cientistas de dados e dos usuários corporativos é necessário para definir a análise exigida para as seguintes tarefas:
Identificar e descobrir os cálculos e algoritmosIdentificar e descobrir as fontes de dadosDefinir os formatos necessários que podem ser consumidos pelos cálculosExecutar os cálculos nos dados paralelamente
http://www.ibm.com/developerworks/br/library/bd-archpatterns4/
Conclusão: a consulta ad hoc pelo big data é muito mais complexa e lida tanto com dados estruturados (armazenados em tabelas) quanto com dados não estruturados (vídeos, imagens, áudios etc).
-
Uma questão ajuda a responder:
Ano: 2011 Banca: CESPE Órgão: MEC Prova: Administrador de Dados
Julgue o item a seguir, referente a online analytical processing (OLAP).
A funcionalidade de uma ferramenta OLAP é caracterizada pela análise multidimensional dinâmica dos dados, apoiando o usuário final nas suas atividades e permitindo consultas ad hoc.
CERTO
-
O processamento de consultas ad hoc no big data traz desafios diferentes daqueles incorridos ao realizar consultas ad hoc em dados estruturados pelo fato de as fontes e formatos dos dados não serem fixos e exigirem mecanismos diferentes para recuperá-los e
processá-los. Em Big Data, tais consultas serão bem mais complexas e dinâmicas.
Fonte: Material Estratégia : Victor Dalton
..
-
errado - ad hoc queries sao usados em big data justamente porque big data tambem lida com dados nao-estruturados, enquanto que em bancos relacionais que o data mining é limitado por usar dados estruturados. doravamente, tecnicas de ad hoc big data sao diferentes daquelas de bancos relacionais.
-
Gabarito: ERRADO.
Os bancos de dados tradicionais (RELACIONAIS) realizam consultas em dados estruturados.
O processamento de consultas ad hoc no big data traz desafios diferentes daqueles incorridos ao realizar consultas ad hoc em dados estruturados pelo fato de as fontes e formatos dos dados não serem fixos e exigirem mecanismos diferentes para recuperá-los e processá-los.
Exponencial Concursos.
-
ERRADO
Sistemas de gerenciamento de banco de dados relacional, estatísticas da área de trabalho e pacotes de visualização, muitas vezes têm dificuldade em lidar com grandes volumes de dados, pois isto requer o trabalho de "software paralelo, rodando em dezenas, centenas ou até mesmo milhares de servidores", Bigdata.
-
As consultas ad hoc são consultas que só são construídas por completo no momento em que são executadas. Ou seja, não se sabe com antecedência o que será solicitado pela consulta. Vou tentar dar um exemplo bem grosseiro para você entender. É como se o “pedido” da consulta ad hoc ao banco de dados fosse assim:
“Retorne todos registros que foram inseridos no banco de dados até 15 minutos atrás”
Veja, a definição de “15 minutos atrás” vai mudando de acordo com o tempo. 15 minutos atrás das 9:00 é 8:45, já 15 minutos atrás das 9:01 é 8:46, e assim sucessivamente. Assim, a janela de tempo dos resultados dessa consulta vai depender da hora exata em que ela for executada, não sendo conhecida a priori. Isso é uma espécie de consulta ad hoc.
Para responder à questão, temos que lembrar do V de velocidade do big data. Veja que os dados são coletados e inseridos nas estruturas de armazenamento de forma extremamente rápida, ao contrário dos bancos relacionais, que não foram feitos para lidar com esses enormes volumes de transações. Assim, podemos sim utilizar consultas ad hoc em big data, mas temos que os requisitos para essas consultas serão bem diferentes daqueles utilizados em bancos de dados relacionais, dadas as características especiais de big data (os 3 Vs).
-
CESPE - 2014 - TJ-SE - Analista
Julgue os itens que se seguem, no que se refere a Big Data.
O processamento de consultas ad hoc em Big Data, devido às características de armazenamento dos dados, utiliza técnicas semelhantes àquelas empregadas em consultas do mesmo tipo em bancos de dados tradicionais.
Errado. Em Informática, uma rede ad hoc é uma ligação temporária entre vários computadores e dispositivos utilizada para uma finalidade específica de compartilhamento de dados, por exemplo: jogos em rede, partilha de documentos, partilha de impressora, partilha de internet com os utilizadores da rede etc. O processamento de consultas ad hoc no big data traz desafios diferentes daqueles incorridos ao realizar consultas ad hoc em dados estruturados pelo fato de as fontes e formatos dos dados não serem fixos e exigirem mecanismos diferentes para recuperá-los e processá-los. Em Big Data, tais consultas serão bem mais complexas e dinâmicas.
-
Ad hoc, + complexo que o tradicional.
-
As consultas ad hoc são consultas que só são construídas por completo no momento em que são executadas. Ou seja, não se sabe com antecedência o que será solicitado pela consulta. Vou tentar dar um exemplo bem grosseiro para você entender. É como se o “pedido” da consulta ad hoc ao banco de dados fosse assim:
“Retorne todos registros que foram inseridos no banco de dados até 15 minutos atrás”
Veja, a definição de “15 minutos atrás” vai mudando de acordo com o tempo. 15 minutos atrás das 9:00 é 8:45, já 15 minutos atrás das 9:01 é 8:46, e assim sucessivamente. Assim, a janela de tempo dos resultados dessa consulta vai depender da hora exata em que ela for executada, não sendo conhecida a priori. Isso é uma espécie de consulta ad hoc.
Para responder à questão, temos que lembrar do V de velocidade do big data. Veja que os dados são coletados e inseridos nas estruturas de armazenamento de forma extremamente rápida, ao contrário dos bancos relacionais, que não foram feitos para lidar com esses enormes volumes de transações. Assim, podemos sim utilizar consultas ad hoc em big data, mas temos que os requisitos para essas consultas serão bem diferentes daqueles utilizados em bancos de dados relacionais, dadas as características especiais de big data (os 3 Vs).
-
Big Data descreve uma nova geração de tecnologias e arquiteturas,
projetadas economicamente para extrair valor de volumes muito grandes e vasto
de dados, permitindo alta velocidade de captura, descoberta e análise. Fonte:
International Data Corporation.
-
O Big data consulta vários tipos de fontes. Ele não usa necessariamente o SQL como tradicionais SGBD em OLTP, mas sim o NoSQL.
-
A grande diferença entre um banco de dados tradicional e um big data é que o tradicional tem os dados estruturados e, por isso, faz consultas e inserções de forma padronizada. Já o Big Data utiliza também de dados semiestruturados e não estruturados, assim, não há como comparar as consultas entre as diferentes soluções.
Perseverança!
-
(cespe10/embasa) - CERTA
Uma das características da construção de um data warehouse é a capacidade de permitir, a um projeto, o acesso aos dados disponíveis a partir de qualquer combinação de valores para os atributos nas tabelas de dimensão ou de fato, ou seja, permitir que sejam realizadas consultas ad hoc.
-
Questão
O processamento de consultas ad hoc em Big Data, devido às características de armazenamento dos dados, utiliza técnicas semelhantes ❌ àquelas empregadas em consultas do mesmo tipo em bancos de dados tradicionais.
Consulta ad hoc ➡ Conforme Bill Inmon (...) o próprio usuário gera consultas de acordo com suas necessidades de cruzar as informações de uma forma não vista e com métodos que o levem a descoberta daquilo que procura."
São diferenças entre Big Data e os bancos de dados tradicionais:
- volume de dados;
- velocidade no acesso aos dados;
- variedade de dados;
- modelagem dos dados.
Desse modo, uma vez que os modelos de dados podem ser incompatíveis (estruturados e não-estruturados), as técnicas para realização de consultas em Big Data e Banco de Dados Tradicionais não são semelhantes.
Gabarito errado. ❌
-
ERRADO
- Big Data tem como característica ser Não trivial, ou seja, não é algo comum/simples, envolve todo um processo complexo ...
CONCLUSÃO: Não utiliza técnicas semelhantes àquelas empregadas em consultas do mesmo tipo em bancos de dados tradicionais.