• A

  Substituir o ETL por ELT em um data lake com armazenamento de objetos e compute elástico, carregando os dados brutos e aplicando as transformações dentro do próprio repositório; manter o esquema floco de neve com dimensões normalizadas e implementar dimensões de variação lenta do tipo 2 para preservar o histórico; e adotar streaming para ingestão contínua das transações, com micro-lotes ou processamento contínuo que atualizem o Data Warehouse em poucos minutos.

• B

  Manter o ETL dedicado e o esquema floco de neve, mas acrescentar uma camada de streaming que grave apenas os eventos de fraude em uma tabela de fatos separada, sem alterar as dimensões; o histórico dimensional é garantido pelo backup diário do banco, e a latência é reduzida porque os eventos críticos não passam pelas transformações batch.

• C

  Migrar para um Data Warehouse em esquema estrela, desnormalizando todas as dimensões para reduzir junções, e usar ELT com transformações agendadas a cada hora; o histórico é preservado por meio de tabelas de auditoria externas ao modelo dimensional, e o streaming é usado apenas para monitoramento operacional, sem carga no repositório analítico.

• D

  Adotar ELT com pipelines batch de frequência minutal e armazenamento colunar, mantendo o esquema floco de neve e aplicando sobrescrita das dimensões (SCD tipo 1) para simplificar as junções; a latência de poucos minutos é obtida pelo aumento da frequência do batch, e o histórico completo é recuperado a partir dos logs de transação do sistema de origem.

• E

  Implementar streaming puro com processamento evento a evento e armazenamento em memória, eliminando o Data Warehouse e o esquema floco de neve; a modelagem dimensional é substituída por visões materializadas normalizadas, o histórico é mantido pelo próprio fluxo de eventos e a elasticidade é obtida pelo escalonamento horizontal do cluster de streaming.

Atalhos: A–E marca · Shift+letra corta · Enter próxima

Selecione uma alternativa pra criar sua conta e salvar o progresso.