Detalhes da prova

Num dashboard de alta frequência de dados, qual a melhor estratégia para evitar re-renders em cascata de componentes pesados que não dependem do fluxo de dados atual?

• Usar Context API nativo em todo o app.
• Isolar o estado em lojas atômicas (Zustand/Jotai) ou usar Context slicing com React.memo. (Correta ✅)
• Usar Redux globalmente com re-render automático.
• Colocar todos os estados no componente pai e passar via props.

Em Next.js App Router, componentes de servidor (RSC) podem utilizar hooks como useEffect desde que não acessem a Window API.

• Verdadeiro
• Falso (Correta ✅)

Explique detalhadamente a diferença de prioridade na fila de microtasks (process.nextTick, Promise.resolve) versus o Timer phase (setTimeout). Como você projetaria o offload de processamento massivo de imagens numa API Node.js?

Qual padrão de arquitetura é o mais adequado para gerenciar o estado (sessões/WebSockets) num cluster Node.js com múltiplas instâncias rodando atrás de um Load Balancer?

• Armazenar na memória RAM (variáveis globais).
• Usar Sticky Sessions no Load Balancer e gerenciar localmente.
• Externalizar o estado usando um in-memory datastore como Redis (Pub/Sub) para distribuir os eventos. (Correta ✅)
• Salvar cada ping de socket no PostgreSQL.

Um índice B-Tree no PostgreSQL é a estrutura mais eficiente para realizar buscas textuais do tipo LIKE '%termo%' em colunas de grande volume.

• Verdadeiro
• Falso (Correta ✅)

Explique como o MVCC (Multi-Version Concurrency Control) do PostgreSQL resolve contenção de leitura/escrita e cite um cenário prático onde você precisaria forçar um SELECT ... FOR UPDATE.

Um cliente do ERP Socian precisa que um bot responda a perguntas sobre contratos gerados DIARIAMENTE. Qual a arquitetura recomendada e por quê?

• Fine-tuning de um LLM semanalmente com os novos contratos.
• Implementar um sistema RAG injetando o contrato relevante no contexto do LLM. (Correta ✅)
• Treinar um LLM do zero com os dados corporativos.

Num sistema RAG corporativo (ex: financeiro), descreva 3 estratégias de engenharia e prompt (guardrails, verificação de grounding, restrição de temperatura) para impedir que a LLM invente dados que não existem no Vector DB. Escreva um pseudocódigo ou prompt demonstrando a proteção.