Big Data 2022 - Compilado de questões_ _ Passei Direto

Prévia do material em texto

Impresso por Ronny Alves, E-mail ronny.alvespacheco@gmail.com para uso pessoal e privado. Este material pode ser protegido por
direitos autorais e não pode ser reproduzido ou repassado para terceiros. 13/06/2022 21:48:46
1/1
O programa ficará sintaticamente correto se for acrescentado o "SparkContext" para
O programa vai gerar e imprimir [2 10 2 12 8 14 14].
O programa produz a saída 31.
O programa vai gerar um erro.
executar o MapReduce.
A saída do programa é [2].
1/1
O gerenciador de cluster do Spark faz o gerenciamento da execução das tarefas.
O gerenciador de cluster do Spark oferece suporte a Hadoop YARN.
O Executor e os Worker Nodes desempenham papeis equivalentes na arquitetura do
Spark.
Os Worker Nodes da arquitetura Spark são responsáveis pelo gerenciamento das
maquinas que executarão como escravos.
O Executor corresponde ao conjunto de maquinas que executam como escravos.
Impresso por Ronny Alves, E-mail ronny.alvespacheco@gmail.com para uso pessoal e privado. Este material pode ser protegido por
direitos autorais e não pode ser reproduzido ou repassado para terceiros. 13/06/2022 21:48:46
1/1
sequrança
disponibilidade
produtividade
abstração
confiabilidade
1/1
As fases de processamento do MapReduce podem variar de acordo com a
aplicação.
Pode ser aplicada para projetos que envolvam grandes volumes e variedade de
dados.
A principal característica do MapReduce é a utilização eficiente da memória.
Projetos de big data só podem ser tratados por MapReduce.
Só é possível utilizar o MapReduce no Spark através do PySpark.
Impresso por Ronny Alves, E-mail ronny.alvespacheco@gmail.com para uso pessoal e privado. Este material pode ser protegido por
direitos autorais e não pode ser reproduzido ou repassado para terceiros. 13/06/2022 21:48:46
1/1
Distribuído e distribuído.
Centralizado e distribuído.
Centralizado e centralizado.
Mestre e escravo.
Distribuído e centralizado.
1/1
A sua baixa qualidade
O fato de terem sido obtidos a partir de terceiros.
O fato de virem de uma fonte alternativa não convencional.
O fato de ocuparem menos espaço de memoria.
O fato de requererem muito mais pré-processamento.
Impresso por Ronny Alves, E-mail ronny.alvespacheco@gmail.com para uso pessoal e privado. Este material pode ser protegido por
direitos autorais e não pode ser reproduzido ou repassado para terceiros. 13/06/2022 21:48:46
1/1
É impossível não utilizar aplicações de Big Data para gerenciar projetos de internet
das coisas
Com projetos de Big Data é sempre possível detectar fraudes em operações
financeiras
Grandes volumes de dados são uteis para testar a capacidade dos servidores de
gerenciamento de dados.
O volume e diversidade dos dados podem dar uma visão realística do que está
sendo observado
Projetos de Big Data são uma forma de organizar tabelas normalizadas com
grandes volumes de dados
1/1
Se baseiam em lógica e regras de inferência para aprender e raciocinar
Se baseiam estritamente em dados e inferências estatísticas em cima deles
São aqueles que lidam apenas com problemas numéricos
Se baseiam em táticas de agrupamento por similaridade
São aqueles que só lidam com problemas categóricos
Impresso por Ronny Alves, E-mail ronny.alvespacheco@gmail.com para uso pessoal e privado. Este material pode ser protegido por
direitos autorais e não pode ser reproduzido ou repassado para terceiros. 13/06/2022 21:48:46
1/1
São um conjunto de sinais
São interconectados entre si
É uma conexão rede a rede
São um relacionamento máquina a máquina
São redes locais
1/1
Avaliação.
Transformação de Dados.
Pré-Processamento .
Coleta de Dados.
Descoberta de Padrões.
Impresso por Ronny Alves, E-mail ronny.alvespacheco@gmail.com para uso pessoal e privado. Este material pode ser protegido por
direitos autorais e não pode ser reproduzido ou repassado para terceiros. 13/06/2022 21:48:46
1/1
Scipy
Plotly
Numpy
Tensorflow
Pandas
1/1
5
4
3
6
2
Impresso por Ronny Alves, E-mail ronny.alvespacheco@gmail.com para uso pessoal e privado. Este material pode ser protegido por
direitos autorais e não pode ser reproduzido ou repassado para terceiros. 13/06/2022 21:48:46
1/1
Leitor de registros.
Mapeador.
Particionador.
Redutor.
Combinador.
1/1
As opções I, II, e III estão corretas.
Apenas a opção I.
Apenas a opção II.
Apenas as opções II e III.
6
Impresso por Ronny Alves, E-mail ronny.alvespacheco@gmail.com para uso pessoal e privado. Este material pode ser protegido por
direitos autorais e não pode ser reproduzido ou repassado para terceiros. 13/06/2022 21:48:46
1/1
Spark SQL
Spark Core
Spark Hadoop
RDDs
Spark Streaming
1/1
printf
plot_tree
cout
console.log
print
Impresso por Ronny Alves, E-mail ronny.alvespacheco@gmail.com para uso pessoal e privado. Este material pode ser protegido por
direitos autorais e não pode ser reproduzido ou repassado para terceiros. 13/06/2022 21:48:46
1/1
Durabilidade.
Consistência.
Isolamento.
Atomicidade.
Indivisibilidade.
1/1
Mapeamento e partição
Separação e finalização
Mapeamento e redução
Estreitas e amplas
Embaralhamento e redução
Impresso por Ronny Alves, E-mail ronny.alvespacheco@gmail.com para uso pessoal e privado. Este material pode ser protegido por
direitos autorais e não pode ser reproduzido ou repassado para terceiros. 13/06/2022 21:48:46
1/1
if
for
else
while
with
1/1
Apenas I e III.
Apenas II e III.
Apenas I e II.
Apenas I.
Apenas II.