Questão de Engenharia de Dados · FCC PMSP Analista TIC 2025 (nº 81)

Ferramentas de orquestração de fluxos de trabalho, como Airflow e Prefect, são como maestros para suas tarefas de dados: elas automatizam, agendam e monitoram a execução de pipelines complexos, garantindo que cada passo aconteça na ordem certa e que falhas sejam tratadas.

(A) Incorreta: O Apache Airflow não possui uma built-in query language; ele é um framework Python para definir DAGs. Embora possa interagir com APIs REST, isso não o torna inerentemente mais dinâmico em sua definição de fluxos do que o Prefect, que foi projetado com a dinamicidade em mente.
(B) Incorreta: Embora o Prefect realmente ofereça uma interface de usuário rica com visualização de DAGs, status e conexões, e se integre bem à nuvem, esta alternativa descreve principalmente aspectos de monitoramento e UI. A armadilha aqui é que ela apresenta fatos verdadeiros sobre o Prefect, mas não aborda a profundidade do suporte a fluxos de trabalho dinâmicos e a arquitetura cloud-native que são diferenciais chave e requisitos explícitos da questão, como a alternativa E faz de forma mais completa.
(C) Incorreta: A questão pede para selecionar a ferramenta mais adequada, implicando uma escolha principal. Usar duas ferramentas simultaneamente para o mesmo propósito de orquestração adicionaria complexidade desnecessária e não responde à pergunta de qual é a mais adequada para os requisitos apresentados.
(D) Incorreta: O Apache Airflow, embora utilize uma API Python e permita testes locais e orquestração na nuvem, não é ideal para processamento de dados em tempo real que exige baixa latência. Ele é mais adequado para cargas de trabalho em lote (batch processing) e agendadas, não para cenários de tempo real com requisitos de latência muito baixos.
(E) Correta: O Prefect é projetado como uma plataforma de Cloud-Native Workflows, o que atende diretamente à "facilidade de integração com serviços em nuvem". Ele se destaca no gerenciamento de fluxos dinâmicos (um requisito chave), permitindo que os workflows sejam definidos e executados de forma flexível, seja por time-based schedules (agendamentos) ou event-driven triggers (gatilhos baseados em eventos), o que é fundamental para a reatividade e adaptabilidade exigidas por fluxos de trabalho complexos e dinâmicos, além de facilitar o monitoramento e tratamento de falhas em tempo real em um ambiente de nuvem.