Questão de Análise de Sistemas · CESGRANRIO BNDES 01/2024 (nº 66)

Um data lake guarda dados de qualquer formato, e os metadados (dados sobre os dados, como data de criação, formato e origem) são essenciais para organizar esse "caos". A pegadinha central é que, em um data lake, os metadados não são perfeitos nem definidos antecipadamente: eles são, em grande parte, descobertos e enriquecidos automaticamente conforme os dados chegam e são processados (técnica chamada schema-on-read).

• (A) Incorreta: Não existe um padrão ANSI único e consagrado para metadados de data lakes; eles usam padrões abertos e flexíveis (como Hive Metastore, Glue, etc.), não uma norma rígida.
• (B) Incorreta: Os metadados não descrevem completa e corretamente todos os dados persistidos, pois muitos dados brutos são ingeridos sem validação ou descrição prévia (são "descobertos" depois).
• (C) Incorreta: Essa é a armadilha clássica (modelo tradicional de banco de dados). Em data lakes, os metadados não precisam ser definidos antes da ingestão; eles são frequentemente gerados ou inferidos após os dados serem armazenados.
• (D) Incorreta: O "information schema" é um padrão de bancos de dados relacionais (SQL), não um mecanismo de consulta de metadados específico para data lakes.
• (E) Correta: Os metadados de um data lake podem ser parcialmente descobertos de forma automática — ferramentas analisam os arquivos ingeridos (lendo cabeçalhos, formatos, tipos de dados) e geram metadados automaticamente, sem intervenção humana total.