Um tribunal está projetando um Data Lakehouse para...

Um tribunal está projetando um Data Lakehouse para consolidar dados de múltiplos sistemas legados. A arquitetura prevê três camadas: Bronze (dados brutos), Silver (dados limpos e conformados) e Gold (dados agregados para consumo). O arquiteto de dados precisa definir estratégias de modelagem, particionamento e governança considerando os requisitos a seguir.

• Volume: 500 GB/dia de novos dados (processos, documentos, audiências)

• Consultas: Analistas consultam principalmente por UF, ano e tipo de processo

• Retenção: Bronze (2 anos), Silver (5 anos), Gold (10 anos)

• SLA: Consultas analíticas devem retornar em < 3 segundos

• Compliance: LGPD exige anonimização de dados pessoais na camada Gold

A tabela dimensional de processos na camada Gold está sendo projetada conforme o esquema abaixo:

Pede-se:

a) Para cada uma das três camadas (Bronze, Silver e Gold), indique, justificando sua escolha, a estratégia de particionamento adequada: partição por data, partição por UF, partição composta ou sem particionamento.

b) Na camada Gold, identifique duas colunas que violam a LGPD e explicite a técnica de anonimização apropriada para cada uma delas.

c) A tabela Dim_Processo armazena dados de vara que se repetem para milhares de processos.

c.1) Em um modelo normalizado (3FN), como armazenar dados repetidos de "tipo_processo"?

c.2) Por que Data Warehouses tipicamente não normalizam essa situação?

d) Para cada um dos casos de uso a seguir, indique o tipo de banco de dados mais adequado (relacional, colunar, documentos, grafos, chave-valor).

i. PDFs de petições com metadados JSON

ii. Agregações em bilhões de registros

iii. Relacionamentos advogados-clientes-processos

iv. Cache de sessões de usuários

Valor: 20 pontos

Máximo de 30 linhas.