ciencia de dados

Prévia do material em texto

Em um contexto geral, o Data Lake representa um repositório para grandes quantidades de dados. Portanto, pode-se afirmar que o Data Lake é:
Você acertou!
A. 
uma tecnologia para Big Data.
Um Data Lake é um conceito dentro de Big Data e, portanto, uma tecnologia; isto é, podem ser necessárias diversas ferramentas de software para a construção de um Data Lake. Existem diferentes serviços que fornecem ferramentas para a construção de um Data Lake. É importante mencionar também que o Data Lake não é uma linguagem de programação, software ou banco de dados relacional. Além disso, também não é um pântano de dados, visto que o termo correto para pântano de dados é Data Swamp.
2. 
O Apache Hadoop apresenta um ecossistema de tecnologias que auxiliam no gerenciamento de dados. Quais dos nomes a seguir fazem parte desse ecossistema?
Resposta correta.
C. 
Apache Spark e Apache Sqoop.
Fazem parte do ecossistema as tecnologias: Apache Sqoop e Apache Spark. Hadoop Common, Hadoop MapReduce, HDFS e Hadoop Yarn são componentes do Hadoop; logo, não são ferramentas do ecossistema. Já Hadoop Data Map, Hadoop Code, Hadoop Data Start e Hadoop Point não existem; portanto, não podem ser considerados.
3. 
Uma das ferramentas que ganhou mais notoriedade nos últimos anos é o Apache Spark. Qual é o seu diferencial?
Resposta correta.
A. 
O Apache Spark tem como diferencial o uso da escrita em memória, em vez de fazer várias chamadas ao disco rígido, aumentando sua velocidade no processamento dos dados.
O Apache Spark faz chamadas à memória, evitando ficar acionando o disco rígido a todo momento. Chamadas ao disco podem causar lentidão dependendo da quantidade de dados que estão sendo processados. Isso significa que a gratuidade do Spark não é o que há de mais especial nessa tecnologia. Outro ponto importante, o MapReduce também pode fazer o processamento de dados, ou seja, tem comunicação efetiva com o Apache Hadoop, não sendo exclusividade do Spark, e esse processamento ocorre em paralelo, assim como no Spark. Por fim, o Spark não tem uma unidade de armazenamento. Esse papel é realizado pelo HDFS.
4. 
As camadas do ecossistema de Big Data são responsáveis por cuidar de todo o processo que um dado percorre. Quais são essas camadas?
Você acertou!
D. 
Camada ingestão, camada armazenamento, camada processamento, camada apresentação e camada segurança.
As camadas do ecossistema de Big Data são: camada ingestão, camada armazenamento, camada processamento, camada apresentação e camada segurança. As alternativas que contêm as camadas manipulação, salvar, impressão e Data Lake estão erradas, pois essas camadas não existem no ecossistema de Big Data.
5. 
Data Lake e Data Warehouse apresentam diferenças significativas em seus conceitos. Qual é a única coisa que ambos têm em comum?
E. 
Ambos funcionam como repositórios para grandes quantidades de dados.
A única coisa que o Data Lake e o Data Warehouse têm em comum é a capacidade de armazenamento de grandes conjuntos de dados. No entanto, apresentam características bem diferentes. Por exemplo, Data Lakes armazenam dados estruturados, semiestruturados e não estruturados, enquanto Data Warehouse geralmente atua com dados estruturados.
É incorreto afirmar que ambas as plataformas são projetadas para profissionais de negócios. O mais comum é que o Data Lake seja utilizado por cientistas de dados, e o Data Warehouse, por profissionais das áreas de negócios. Além disso, também não é verdadeira a afirmativa de que esses conceitos são plataformas de armazenamento de código. Na verdade, são repositórios de armazenamento de dados. Por fim, Data Lake e Data Warehouse não são linguagens de programação.