Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
PERGUNTA 1 O Hadoop é um framework que pode ser utilizado em diversas linguagens, como, por exemplo, Java e Python. No framework há ferramentas importantes, podemos citar o MapReduce, que contém um mapeador e uma redutor. Um exemplo muito utilizado para expor o funcionamento do MapReduce é por meio de um contador de palavras. A respeito deste exemplo do contador de palavras, analise as afirmativas a seguir e assinale V para a(s) verdadeira(s) e F para a(s) falsa(s). ( V ) É utilizado o stdin e stdout para ler e gravar dados. ( V ) O redutor gera palavra como chave e número de contagens como valor. ( F ) A função Mapper divide chave-valores em palavras complexas. ( F ) O redutor recebe linhas de entrada e conta o número de instâncias. Assinale a alternativa que apresenta a sequência correta. V, V, F, V. V, V, V, V. F, V, F, V. (x) V, V, F, F. F, F, F, F. 1 pontos PERGUNTA 2 O Hadoop Streaming possui duas fases, o mapeador e o redutor. Uma tarefa importante realizada é o teste do código para confirmação de funcionamento do mesmo. Esta é uma tarefa que não é muito complicada, mas exige que seja feita conforme a determinação de algumas etapas. Sobre o MapReduce, podemos afirmar corretamente que as etapas são: (x) Código do Mapeador e Código do Redutor. Job Stdin e Job Stdout. Cluster Hadoop e Script Hadoop. API Streaming Map e API Streaming Std. Função Stdin e Função Stdout. 1 pontos PERGUNTA 3 O Hadoop Streaming é utilizado para o consumo de dados em tempo real, sendo utilizando em diferentes aplicativos executados em tempo real. Existem diversos aplicativos que utilizam o streaming do Hadoop, como, por exemplo, boletins meteorológicos. Alguns destes aplicativos utilizam a linguagem Python. Sobre o mapeador em Python, é correto afirmar que: dispensa tratamento de dados porque manipula grandes dados de forma mais simples. somará a ocorrência de cada palavra e saída do arquivo saída, reduzindo na forma de par de chave-valor. ignora a soma de palavras de um arquivo, pois irá produzir uma nova palavra chave-valor. (x) lerá a linha de stdin, dividirá a linha nas palavras individuais e produzirá a palavra como par chave-valor. levará a entrada do mapper.py através do stdin. Esta é extensa e requer tratamento de dados. 1 pontos PERGUNTA 4 O Hadoop é um projeto da Apache Foundation que possibilita que sejam processados grandes volumes de forma distribuída e tem distribuições que possuem um módulo de segurança maduro. Podemos destacar entre os módulos o de processamento e análise de dados. Considerando o trecho apresentado e conceitos relacionados ao Hadoop MapReduce, analise as afirmativas a seguir: No MapReduce, as estruturas de dados utilizadas são linhas e colunas. É um modelo de programação para processamento paralelo. No MapReduce, a entrada da aplicação é uma lista de linhas paralelas. É uma solução para problemas com análise de dados em larga escala. Está correto o que se afirma em: I, II e IV, apenas. (x) II e IV, apenas. I, II e III, apenas. III e IV, apenas. II e III, apenas. 1 pontos PERGUNTA 5 O Hadoop, da Apache Foundation, é um Framework destinado ao processamento e armazenamento de grandes dados, que possui um modelo de processamento conhecido como MapReduce. Por ter a característica de manipular grandes volumes de dados, é muito utilizado no Big Data. A partir do apresentado, analise as asserções a seguir e a relação proposta entre elas. No MapReduce, dados são transmitidos utilizando o stdin e stdout. Pois: Caso não haja erros no trabalho, será apresentado um log do console. A seguir, assinale a alternativa correta. (x) As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. A asserção I é uma proposição falsa e a II é uma proposição verdadeira. As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I. As asserções I e II são proposições falsas. A asserção I é uma proposição verdadeira e a asserção II é uma proposição falsa. 1 pontos PERGUNTA 6 O Big Data está ligado ao volume de dados a ser processado e analisado. Este possui um projeto, chamado de Hadoop, que possibilita a realização do processamento de grandes volumes. Dentro do Hadoop temos o MapReduce, uma importante ferramenta no processamento paralelo. A partir do apresentado, analise as asserções a seguir e a relação proposta entre elas. Uma etapa importante é a realização de teste do código. Pois: Temos que garantir que o código funcione bem. A seguir, assinale a alternativa correta. A asserção I é uma proposição falsa e a II é uma proposição verdadeira. A asserção I é uma proposição verdadeira e a asserção II é uma proposição falsa. As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I. As asserções I e II são proposições falsas. (x) As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. 1 pontos PERGUNTA 7 O Hadoop Streaming é uma API genérica e permite escrever mapeadores e redutores. Em qualquer trabalho do MapReduce, temos entrada e saída como pares de chave/valor. O mesmo conceito é verdadeiro para a API Streaming, onde entrada e saída são sempre representadas como texto. Considerando o exposto, para executar o job no Hadoop Cluster , podemos usar a API de Streaming, que possui as funções: (x) Stdin e Stdout. Cluster e Script. Undo e Redo. Streaming e Cluster. Job e API. 1 pontos PERGUNTA 8 O MapReduce é uma ferramenta do framework Hadoop e possui as funções mapeador (Mapper) e redutor (Reduce). Na linguagem Python, por exemplo, estas funções utilizam stdin e stdout para realizar tarefas relacionadas a entrada e saída de dados. A partir do apresentado, analise as asserções a seguir e a relação proposta entre elas. O redutor lerá linhas e produzirá uma palavra chave-valor. Pois: O redutor utiliza o stdin e soma a ocorrência de cada palavra. A seguir, assinale a alternativa correta. A asserção I é uma proposição verdadeira e a asserção II é uma proposição falsa. As asserções I e II são proposições falsas. (x) A asserção I é uma proposição falsa e a II é uma proposição verdadeira. As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I. 1 pontos PERGUNTA 9 O Hadoop possui características como escalabilidade, consistência, tolerância a falhas e capacidade de recuperação. Essas características quando bem implementadas garantem uma boa arquitetura. A arquitetura do Hadoop é composta por elementos como: MapReduce, Spark, Streaming, Cluster e outros. A respeito das características do Hadoop Streaming, analise as afirmativas a seguir e assinale V para a(s) verdadeira(s) e F para a(s) falsa(s). ( V ) O modelo chave-valor é bastante empregado em bancos de dados não relacionais ou NoSQL. ( V ) Quando um executável é especificado para reducers (redutores), as tarefas iniciam como um processo separado. ( F ) Quando um executável é especificado para mapeadores, cada tarefa deve iniciar o redutor repetidamente. ( V ) Na sequência lógica do Hadoop Streaming, a tarefa do mapeador é pegar a entrada linha por linha. Assinale a alternativa que apresenta a sequência correta. V, V, V, V. V, V, F, F. F, F, F, F. F, V, F, V. (x) V, V, F, V. 1 pontos PERGUNTA 10 Hadoop Streaming é uma das ferramentas do Hadoop. Por mais que tenha esse nome, o streaming não tem características de fluxos de dados contínuos. Ele é um utilitário que permite o desenvolvimento de executáveis do MapReduce em linguagens diferentes de Java. A partir do apresentado, analise as asserções a seguir e a relação proposta entre elas. Quando falamos sobre o uso de outras linguagens de programação, não queremos dizer que o código escrito nessas linguagens precise ser convertido. Pois: Os códigos podem ser executados direto no ecossistema Hadoop usando o Hadoop Streaming. A seguir, assinale a alternativa correta. As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa correta da I. A asserção I é uma proposição falsa e a II é uma proposição verdadeira. A asserção I é uma proposição verdadeira e a asserção II é uma proposição falsa. As asserções I e II são proposições falsas. (x) As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. 1 pontos Pergunta 1 1 em 1 pontos Uma tarefa MapReduce, no Hadoop, divide o conjunto de dados de entrada em partes independentes que são processadas pelas tarefas de mapa de uma maneira completamente paralela. A estrutura classifica as sápidas dos mapas, que são inseridas nas tarefas de redução. A partir do apresentado, analise as asserções a seguir e a relação proposta entre elas. A entrada e saída do trabalho são armazenados em um sistema de arquivos. Pois: A estrutura MapReduce e o Hadoop Distributed File System estão em execução no mesmo conjunto de nós. A seguir, assinale a alternativa correta. Resposta Selecionada: Correta As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. Resposta Correta: Correta As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. Feedback da resposta: Resposta correta. A alternativa está correta, pois a asserção I é uma proposição verdadeira, visto que normalmente a entrada e a saída do trabalho são armazenadas em um sistema de arquivos. A estrutura cuida de agendar tarefas, monitorando-as e executando novamente as tarefas com falha. A asserção II também é verdadeira e justifica/complementa a I, pois normalmente os nós de computação e os de armazenamento são os mesmos, ou seja, a estrutura MapReduce e o Hadoop Distributed File System estão em execução no mesmo conjunto de nós. Isso permite que a estrutura agende tarefas nos nós em que os dados já estão presentes. Pergunta 2 1 em 1 pontos O Hadoop pertence ao Apache e possibilita realizar o processamento de grandes volumes de dados se utilizando de uma característica importante, a programação simples. No processamento e análise dos dados, temos ferramentas como o MapReduce, que pode ser aplicado em diversas linguagens, como o Python. Considerando o trecho apresentado e conceitos relacionados à linguagem Python, analise as afirmativas a seguir: Python é uma linguagem de programação orientada a objetos, open-source, e, atualmente, bastante popular. A linguagem foi lançada em 1994, no entanto, ela se tornou popular somente a partir de 2016. É uma linguagem closed source, ou seja, código fechado, não podendo ser alterada. É muito utilizada na linguagem de programação web para a análise de ciência de dados. Está correto o que se afirma em: Resposta Selecionada: Correta I e IV, apenas. Resposta Correta: Correta I e IV, apenas. Feedback da resposta: Resposta correta. A afirmativa I está correta, pois Python é uma linguagem de programação orientada a objetos e bastante dinâmica. Por ser open-source, a linguagem começou a se tornar bastante popular como linguagem de programação para web. A afirmativa IV está correta, pois a linguagem começou a se tornar bastante popular tanto como linguagem de programação para web como para análise de dados, estatística e ciências de dados. Pergunta 3 1 em 1 pontos O Hadoop Streaming possui duas fases, o mapeador e o redutor. Uma tarefa importante realizada é o teste do código para confirmação de funcionamento do mesmo. Esta é uma tarefa que não é muito complicada, mas exige que seja feita conforme a determinação de algumas etapas. Sobre o MapReduce, podemos afirmar corretamente que as etapas são: Resposta Selecionada: Correta Código do Mapeador e Código do Redutor. Resposta Correta: Correta Código do Mapeador e Código do Redutor. Feedback da resposta: Resposta correta. A alternativa está correta, pois uma etapa importante, antes de enviar o código Python como tarefa MapReduce para um cluster Hadoop, é o teste do código para confirmar se ele funciona como deveria. Podemos realizar os dois testes seguindo as seguintes etapas: Código do mapeador e Código do redutor. Pergunta 4 1 em 1 pontos O Hadoop Streaming é uma API genérica e permite escrever mapeadores e redutores. Em qualquer trabalho do MapReduce, temos entrada e saída como pares de chave/valor. O mesmo conceito é verdadeiro para a API Streaming, onde entrada e saída são sempre representadas como texto. Considerando o exposto, para executar o job no Hadoop Cluster , podemos usar a API de Streaming, que possui as funções: Resposta Selecionada: Correta Stdin e Stdout. Resposta Correta: Correta Stdin e Stdout. Feedback da resposta: Resposta correta. A alternativa está correta, pois para executar o job no Hadoop Cluster, podemos usar a API de Streaming para que os dados possam ser transmitidos entre o Mapper e o Reducer usando stdin e stdout. Depois que o trabalho for concluído, caso não apresente lançamento de exceções ou erros, será visto um log do console com a última linha mencionando o caminho em que a saída do job está armazenada. Pergunta 5 1 em 1 pontos O Hadoop Streaming, do projeto Apache Hadoop, é um utilitário que permite ao usuário criar e executar trabalhos a partir de um arquivo executável, ou, ainda, por meio de um script, conforme o mapa ou redutor, pois são essas as duas fases/funções existentes na ferramenta. Sobre o redutor em Python, é correto afirmar que: Resposta Selecionada: Correta somará a ocorrência de cada palavra e saída do arquivo saída, reduzindo na forma de par de chave-valor. Resposta Correta: Correta somará a ocorrência de cada palavra e saída do arquivo saída, reduzindo na forma de par de chave-valor. Feedback da resposta: Resposta correta. A alternativa está correta, pois o Redutor levará a entrada do mapper.py através do stdin. O Redutor então soma a ocorrência de cada palavra e saída do arquivo saída, reduzida na forma de par de chave-valor, tendo a palavra específica como chave e o total de ocorrências da palavra como o valor. Por exemplo, <palavra, 5>. A tarefa Reduce é um pouco mais extensa, pois requer tratamento de dados que estão sendo recebidos. Pergunta 6 1 em 1 pontos O Hadoop Streaming possui algumas características ao ser executado, como, por exemplo, funções chamadas mapeador (map()) e o redutor (reduce()), que precisam ser executáveis e devem poder ler as entradas chamadas stdin , linha por linha, e emitir a saída chamada stdout . A partir do apresentado, analise as asserções a seguir e a relação proposta entre elas. O Hadoop Streaming armazena os dados gerando um conjunto de pares chave-valor. Pois: Uma chave representa unicamente cada valor associado. A seguir, assinale a alternativa correta. Resposta Selecionada: Correta As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da asserção I. Resposta Correta: Correta As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da asserção I. Feedback da resposta: Resposta correta. A alternativa está correta, pois a asserção I é uma proposição verdadeira, visto que esse modelo armazena os dados gerando um conjunto de pares chave-valor, onde cada chave funciona como identificador exclusivo. A asserção II também é verdadeira e justifica a I, pois uma chave representa unicamente cada valor associado, algo semelhante ao conceito de chave primária em bancos de dados no modelo Relacional. Pergunta 7 1 em 1 pontos O framework Hadoop, da Apache Foundation, pode ser utilizado em diversas linguagens, incluindo o Python. Dentro do Hadoop, temos a ferramenta MapReduce, composta por duas funções, sendo um mapeador, chamado de Mapper, e um redutor, chamado de Reduce. A partir do apresentado, analise as asserções a seguir e a relação proposta entre elas. No Python, a função Mapper lerá linhas a partir de uma função chamada stdin. Pois: A função Mapper produzirá uma palavra chave-valor a partir da divisão das linhas lidas. A seguir, assinale a alternativa correta. Resposta Selecionada: Correta As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. Resposta Correta: Correta As asserções I e II são proposições verdadeiras, e a II é uma justificativa correta da I. Feedback da resposta: Resposta correta. A alternativa está correta, pois a asserção I é uma proposição verdadeira, uma vez que a linguagem Python, utilizando o Hadoop, possui a função Mapper que lerá a linha de stdin. A asserção II também é verdadeira e justifica/complementa a I, pois após a leitura da linha, a função dividirá a linha nas palavras individuais e produzirá a palavra como par chave-valor, com valor 1 e palavra sendo a chave, por exemplo: <palavra, 1> Pergunta 8 1 em 1 pontos O Hadoop possui características como escalabilidade, consistência, tolerância a falhas e capacidade de recuperação. Essas características quando bem implementadas garantem uma boa arquitetura. A arquitetura do Hadoop é composta por elementos como: MapReduce, Spark, Streaming, Cluster e outros. A respeito das características do Hadoop Streaming, analise as afirmativas a seguir e assinale V para a(s) verdadeira(s) e F para a(s) falsa(s). ( ) O modelo chave-valor é bastante empregado em bancos de dados não relacionais ou NoSQL. ( ) Quando um executável é especificado para reducers (redutores), as tarefas iniciam como um processo separado. ( ) Quando um executável é especificado para mapeadores, cada tarefa deve iniciar o redutor repetidamente. ( ) Na sequência lógica do Hadoop Streaming, a tarefa do mapeador é pegar a entrada linha por linha. Assinale a alternativa que apresenta a sequência correta. Resposta Selecionada: Correta V, V, F, V. Resposta Correta: Correta V, V, F, V. Feedback da resposta: Resposta correta. A sequência está correta. A afirmativa I é verdadeira, pois o modelo chave-valor é bastante empregado em bancos de dados não relacionais ou NoSQL. Assim, um banco de dados de chave-valor é considerado um tipo de banco de dados com característica não relacional e que usa um método de chave-valor simples para armazenar dados. A afirmativa II é verdadeira, pois quando um executável é especificado para reducers (redutores), cada tarefa reduce inicia seu programa como um processo separado e o redutor é inicializado. A afirmativa IV é verdadeira, pois na sequência lógica do Hadoop Streaming, para cada dado de entrada, a tarefa do mapeador pega a entrada linha por linha e alimenta as linhas para o stdin do executável do mapeador. Pergunta 9 0 em 1 pontos O Hadoop é um projeto da Apache Foundation que possibilita que sejam processados grandes volumes de forma distribuída e tem distribuições que possuem um módulo de segurança maduro. Podemos destacar entre os módulos o de processamento e análise de dados. Considerando o trecho apresentado e conceitos relacionados ao Hadoop MapReduce, analise as afirmativas a seguir: No MapReduce, as estruturas de dados utilizadas são linhas e colunas. É um modelo de programação para processamento paralelo. No MapReduce, a entrada da aplicação é uma lista de linhas paralelas. É uma solução para problemas com análise de dados em larga escala. Está correto o que se afirma em: Resposta Selecionada: Incorreta II e III, apenas. Resposta Correta: Correta II e IV, apenas. Feedback da resposta: Sua resposta está incorreta. A alternativa está incorreta. A afirmativa I está incorreta, pois no caso do MapReduce as estruturas utilizadas são listas e pares chave/valor. A alternativa III está incorreta, pois no MapReduce a entrada da aplicação é uma lista de pares chave/valor. Pergunta 10 1 em 1 pontos A respeito do Hadoop Streaming , da Apache Foundation, independente da linguagem a ser utilizada, alguns pré-requisitos precisam ser respeitados como forma de organizar o ambiente antes da execução dos scripts iniciais. Esses pré-requisitos, aplicados de forma correta, facilitam a utilização da ferramenta. A partir do apresentado, analise as asserções a seguir e a relação proposta entre elas. A tarefa redutora converte pares de linhas alimentando a entrada do processo reduce. Pois: O redutor coleta as saídas orientadas linha a linha a partir da saída padrão do processo stdout. A seguir, assinale a alternativa correta. Resposta Selecionada: Correta A asserção I é uma proposição falsa e a II é uma proposição verdadeira. Resposta Correta: Correta A asserção I é uma proposição falsa e a II é uma proposição verdadeira. Feedback da resposta: Resposta correta. A alternativa está correta, pois a asserção II é uma proposição verdadeira, uma vez que o redutor coleta as saídas orientadas linha a linha a partir da saída padrão do processo stdout, convertendo cada linha em um par de chave-valor, que é coletado como a saída do redutor.
Compartilhar