• AA adoção do ELT com data lake e processamento elástico transfere as transformações para o momento do consumo, o que pode aumentar a latência das consultas analíticas, mas reduz o tempo de carga e permite maior flexibilidade para diferentes casos de uso; o pipeline de streaming, por sua vez, é adequado para capturar alterações contínuas e disponibilizá-las quase em tempo real, embora exija mecanismos de garantia de entrega e tratamento de eventos fora de ordem.
• BA mudança para ELT elimina a necessidade de uma área de staging, pois os dados são carregados diretamente no data warehouse, e as transformações passam a ser realizadas exclusivamente por ferramentas de ETL tradicionais; o pipeline de streaming substitui completamente o processamento batch, tornando desnecessárias as cargas noturnas.
• CO uso de um data lake com formato colunar otimizado implica que os dados devem ser necessariamente estruturados e modelados em esquema floco de neve antes da carga, para garantir o desempenho das consultas; o pipeline de streaming só pode ser implementado com tecnologias de fila de mensagens, não sendo aplicável a captura de dados de bancos relacionais.
• DA arquitetura proposta mantém o ETL tradicional, apenas substituindo o servidor intermediário por um data lake, mas as transformações continuam ocorrendo antes da carga; o pipeline de streaming é inviável nesse contexto porque a captura de alterações em bancos transacionais exige processamento batch para garantir consistência.
• EA adoção do ELT com data lake e processamento elástico transfere as transformações para o momento da carga, o que aumenta a latência das consultas analíticas, mas reduz o tempo de processamento; o pipeline de streaming é adequado para capturar alterações contínuas, mas não pode ser integrado a um data lake, sendo necessário um data warehouse dedicado.

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

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