Exercício - Hadoop e Armazenamento de Dados

Prévia do material em texto

1 - Em relação ao Data Lake, selecione a opção correta que contenha o(s) 
formato(s) de dados que pode(m) ser armazenado(s) nele. 
 A - Apenas estruturado 
B - Estruturado e semiestruturado 
C - Estruturado, não estruturado e semiestruturado 
D - Apenas não estruturado 
E - Apenas tabelas relacionais 
 
Gabarito comentado: O Data Lake pode armazenar dados estruturados, 
semiestruturados e não estruturados que correspondem a característica de 
variedade dos dados que é bem típica de aplicações de Big Data. 
 
2 - O Hadoop é um framework de código aberto voltado para aplicações de Big 
Data. Neste sentido, selecione a alternativa correta que apresenta um grande 
desafio no processo de configuração e gerenciamento do Hadoop. 
A – Processos de extração, transformação e carregamento dos dados. 
B – Mecanismo para melhorar o processamento dos dados. 
C – Gerenciamento do armazenamento de dados. 
D – Gerenciamento do armazenamento de dados. 
E – Tratar dados não-estruturados. 
Gabarito comentado: O tratamento da segurança da informação é um grande 
desafio para o Hadoop, pois o profissional responsável por essa etapa terá que 
configurar o sistema que, pela natureza dos problemas de Big Data, é uma 
tarefa complexa. 
 
3 – Em relação aos arquivos de configuração do Hadoop, selecione a opção 
correta que contém o arquivo que trata das configurações do HDFS. 
 
A – mapred-site.xml 
B – core-site.xml 
C – hdfs-site.xml 
D – yarn-site.xml 
E – hadoop-env.cmd 
Gabarito comentado: O arquivo de configuração hdfs-site.xml é o responsável 
pela definição de configuração para processos do HDFS. Ele também é 
responsável por fazer a especificação da replicação de bloco padrão e 
verificação de permissão no HDFS. 
 
4 – Reconhecer os conceitos de Data Lake é fundamental para o profissional 
de Tecnologia da Informação. Selecione a opção correta que define 
resumidamente o que é o Data Lake. 
A – É um repositório para tratamento dos dados. 
B – É uma tecnologia de armazenamento e processamento de dados. 
C – É um repositório centralizado para armazenamento de dados. 
D – É um ambiente para tratamento e armazenamento apenas de dados 
relacionais. 
E – Trata-se de um componente do HDFS responsável pela implementação do 
mecanismo MapReduce para fazer o gerenciamento dos dados. 
Gabarito comentado: O Data Lake é um repositório centralizado capaz de 
armazenar dados nos diversos formatos: estruturados, não estruturados e 
semiestruturados sem a necessidade de aplicar nenhum tratamento. 
 
5 – A respeito do HDFS, selecione a opção correta cujo componente lógico 
mantém os dados do usuário na forma de blocos de dados. 
 
A – YARN 
B – NameNode 
C – Bloco de dados 
D – Replicação 
E – DataNode 
Gabarito comentado: O DataNode é componente da arquitetura do HDFS 
responsável pelo armazenamento dos dados na forma de blocos de dados. 
 
 
 
 
 
6 – O data lake é composto por camadas e níveis. Selecione a opção correta a 
respeito da camada responsável por fazer a marcação dos dados do Data 
Lake. 
A – Camada de governança 
B – Camada de Metadados 
C – Camada de segurança 
D – Camada de gerenciamento de dados 
E – Camada de gerenciamento do ciclo de vida da informação 
Gabarito comentado: O Data Lake possui três camadas: a de governança e 
segurança de dados, a de metadados e a de gerenciamento do ciclo de vida da 
informação que tratam, respectivamente, da política de segurança de dados, da 
marcação e identificação dos dados e das regras de armazenamento. 
 
7 – Selecione a opção correta a respeito do nível do Data Lake responsável por 
fornecer dados para a análise de negócios. 
 
A – Nível de governança 
B – Nível de Metadados 
C – Nível de admissão 
D – Nível de gerenciamento 
E – Nível de consumo 
Gabarito comentado: O Data Lake possui três níveis: o de admissão, o de 
gerenciamento e o de consumo que tratam, respectivamente, dos serviços de 
aquisição de dados, da identificação e localização dos dados e que fornecem 
dados para ser consumidos por aplicações de apoio à tomada de decisão. 
 
8 – A respeito do Hadoop, selecione a opção correta com o componente que 
faz o rastreamento de tarefas. 
A – MapReduce 
B – HDFS 
C – Task manager 
D – Camada de ingestão 
E – Mrjob 
Gabarito comentado: O mecanismo MapReduce é responsável pela 
distribuição de tarefas em um cluster, através de rastreamento de tarefas (Task 
Trackers) e de trabalhos (Job Trackers). As demais alternativas, embora 
tenham relação com o Hadoop, não possuem a funcionalidade de rastreamento 
de tarefas. 
 
9 – Em relação ao Hadoop, selecione a opção correta que trata da otimização 
da relação custo e benefício a respeito da expansão de uma infraestrutura. 
A – Escalabilidade 
B – Tempo de resposta 
C – Volume de dados 
D – Flexibilidade 
E – Variedade dos dados 
Gabarito comentado: A escalabilidade trata da expansão de um sistema. Essa 
situação é bastante comum em projetos de Big Data. No caso do Hadoop, ele 
pode utilizar equipamentos comuns, como computadores pessoais formando 
clusters de escalabilidade horizontal. 
 
10 – Em relação as fases do Hadoop, selecione a opção correta que apresenta 
o componente responsável pela geração de pares intermediários de valor e 
chave. 
A – Embaralhamento 
B – Combinação 
C – Agrupamento 
D – Redução 
E – Gravação da saída 
Gabarito comentado: Através do processo de embaralhamento, também 
conhecido pelo termo em inglês "shuffling", o mecanismo MapReduce faz a 
geração de pares intermediários de valor e chave que são transferidos para a 
fase de redução, o que é realizado em paralelo com outras tarefas da fase de 
mapeamento.