-
Entenda o banco de dados multidimensional como um armazém de dados, um Date Werahouse por exemplo, e o banco de dados relacional como aquele banco de dados de sistemas OLTP (Online Transaction Processing) como uma caixa, aqueles sistemas de vendas da loja por exemplo.
Dados essas dois conceitos, onde seria mais demorado procurar por uma determinada informação, numa caixa que contém uma menor quantidade de dados ou em um armazém que contém várias caixas?
GABARITO: CERTO
-
Não concordo com o gabarito. Em um OLAP, os dados são sintetizados para dar a agilidade que os BDs relacionais não conseguiriam. Será que ninguém entrou com recurso? A banca deveria revelar a literatura da qual retirou essa questão.
Veja o que Date diz:
"Fechamos esta seção observando que alguns produtos combinam as abordagens de ROLAP e MOLAP; HOLAP (“OLAP híbrido”). Existe uma controvérsia considerável sobre qual das três abordagens é “melhor”, e pouco se pode fazer aqui para ajudar a resolver essa controvérsia.** Porém, de modo geral, os produtos MOLAP oferecem computação mais rápida, mas admitem quantidades de dados menores que os produtos ROLAP (tornando-se menos eficientes à medida que a quantidade de dados aumenta), enquanto os produtos ROLAP oferecem recursos de escalabilidade, concorrência e gerenciamento mais amadurecidos que os de produtos MOLAP."
Fonte: Introdução a Sistemas de Banco de Dados, capítulo 21 - Apoio à decisão.
"Sua modelagem é realizada de forma a ganhar performance nas consultas, possuindo regras diferentes das relacionais em sua modelagem. O modelo multidimensional visa somente consultas analíticas."
Fonte: https://pt.wikipedia.org/wiki/Modelo_multidimensional
"While we’ve been discussing financial data warehouses in the context of relational databases, it is worth noting that multidimensional OLAP vendors have long played a role in this arena. OLAP products have been used extensively for financial reporting, budgeting, and consolidation applications. We often see relational dimensional models feeding financial OLAP data cubes. OLAP cubes are precalculated, which results in fast query performance that is critical for executive use. The data volumes, especially for the G/L balances or financial statement aggregates, typically do not overwhelm the practical size constraints of a multidimensional product. OLAP is well suited to handle complicated organizational roll-ups, as well as complex calculations, including interrow manipulations. Most multidimensional OLAP vendors provide finance-specific capabilities, such as financial functions (for example, net present value or compound growth), the appropriate handling of financial statement data (in the expected sequential order, such as income before expenses), and the proper treatment of debits and credits depending on the account type, as well as more advanced functions such as financial
consolidation."
Fonte: Data Warehouse Toolkit - Ralph Kimboll, página 185.
-
Não entendi... BD multidimensional é desnormalizado, ou seja, tem alta redundância. Se há mais redundância que um modelo relacional, então não deveria ser mais rápida ??
-
Ta errado
Os bancos de dados multidimensionais é que tendem a ser mais rápidos, devido à redundância. Quanto mais normalizados (como é o caso dos relacionais), mais lentos. Os multidimensionais também podem ser normalizados, mas o comum é serem altamente redundantes. Dados replicados facilitam no momento de gerar relatórios.
-
FUI PELA LÓGICA DE QUE SERIA MAIS FÁCIL E PRÁTICO UMA NAVEGAÇÃO EM BANCO DE DADOS RELACIONAL, SENDO ASSIM, MAIS RÁPIDA A NAVEGAÇÃO. AGORA O MULTIMENSIONAL, POR APRESENTAR MAIS FUNCIONALIDADES, SE TORNA MAIS LENTO QUANDO COMPARADO AO RELACIONAL.
-
ESSE GABARITO PROVAVELMENTE ESTEJA ERRADO, OU FALTOU RECURSO À ÉPOCA.
BANCOS MULTIDIMENSIONAIS SÃO MELHORES QUE OS RELACIONAIS PARA CONSULTA; AO PASSO QUE, PARA CARREGAMENTO DOS DADOS, O RELACIONAL É MELHOR.
A BANCA NÃO FOI PRECIOSISTA NA DIFERENÇA DOS TERMOS.
-
CERTO
Porém eu discordo veemente dessa questão, pois Quanto mais dados eu tenho, mais rápido é a forma de eu chegar até determinada informação, cito, por exemplo, a Tabela Estrela e a Tabela Flocos de Neve, a primeira tem um desempenho muito maior por ser Desnormalizada, ao passo que a Segunda possui um desempenho menor por estar normalizada até a 3FN. Logo, a normalização desgasta o desempenho do BD, pois o SGBD terá que fazer um trabalho muito mais longo até encontrar o dado desejado.
-
Para o cespe, isso está errado. Vide questão Q1680469
-
O bom que a Cespe ora entende que é mais rápido, ora entende que é mais lento.