Baixe o app para aproveitar ainda mais
Prévia do material em texto
BIG DATA 1. Ref.: 5169524 Pontos: 1,00 / 1,00 ANAC 2016 - ANALISTA ADMINISTRATIVO - ANÁLISE DE SISTEMAS /ESAF) Big Data é: Dimensão + variedade + otimização + veracidade, tudo agregando + agilidade Volume + oportunidade + segurança + veracidade, tudo agregando + valor Volume + disponibilidade + velocidade + portabilidade, tudo requerendo ¿ valor Volume + variedade + velocidade + veracidade, tudo agregando + valor Volume + variedade + agilidade + efetividade, tudo agregando + valor + atualidade 2. Ref.: 5172492 Pontos: 1,00 / 1,00 (INSTITUTO AOCP - 2018 - PRODEB - Especialista de TIC - B.I) Big Data requer clusters de servidores de apoio às ferramentas que processam grandes volumes, alta velocidade e formatos variados de Big Data. Nesse sentido, é correto afirmar que Hadoop refere-se a: Uma estratégia baseada em tecnologia que permite a coleta de insights mais profundos e relevantes dos clientes, parceiros e sobre o negócio. Um banco de dados com capacidade melhorada. Um banco de dados com tecnologia de virtualização. Um sistema de armazenamento e processamento de dados massivamente escalável - não é um banco de dados. Um equipamento de hardware que permite que sistemas administrem crescentes cargas de processamento. 3. Ref.: 5190772 Pontos: 1,00 / 1,00 (INSTITUTO AOCP - 2018 - PRODEB - Analista de TIC I - Construção de Software) Sobre Banco de Dados Relacional, é correto afirmar que os dados são representados como uma coleção de tabelas. uma chave primária pode ser nula, desde que sua chave secundária esteja preenchida. todos os valores de uma coluna não precisam ser do mesmo tipo de dados. em sua terminologia, uma tabela é chamada de atributo. cada tabela do banco de dados terá um nome, que pode se repetir, desde que suas tuplas sejam diferentes. 4. Ref.: 5187729 Pontos: 0,00 / 1,00 O tipo de escalonamento que agrega diversos computadores, cada um funcionando sozinho, mas todos operando em conjunto, denomina-se Vertical Horizontal Irregular Paralela Linear 5. Ref.: 5187730 Pontos: 0,00 / 1,00 Marque a opção que apresentam ferramentas que conseguem interoperar com as ferramentas R e Python. Spark mllib e InfoGrid Spark mllib e Weka Apache mahout e Cassandra Weka e Apache mahout Couchbase e RStudio 6. Ref.: 5196342 Pontos: 1,00 / 1,00 O volume e variedade dos dados de Big Data trouxe uma maior complexidade para o processo de compreensão dos dados analisados, tornando a visualização uma abordagem cada vez mais essencial em um projeto de Big Data. Assinale a opção que melhor representa a importância da visualização dos dados. Manter o projeto de Big Data em constante mudança. Identificar pontos de melhoria no processo. Ganhar credibilidade para realização de novas análises. Facilitar a apresentação dos resultados obtidos nas análises. Prover uma interface bonita para apresentar os dados. 7. Ref.: 5196347 Pontos: 1,00 / 1,00 (ANAC 2016 ¿ Analista Administrativo ¿ Análise de Sistemas) Para o processamento de grandes massas de dados, no contexto de Big Data, é muito utilizada uma plataforma de software em Java, de computação distribuída, voltada para clusters, inspirada no MapReduce e no GoogleFS. Esta plataforma é o(a) GoogleCrush Yam Common MapFix Hadoop EMRx 8. Ref.: 5193453 Pontos: 1,00 / 1,00 O sistema Apache Hive acessa diretamente os arquivos armazenados no HDFS e os consulta através de uma interface semelhante ao SQL. Isso tem possibilitado aos desenvolvedores fluentes em SQL tirar proveito dos benefícios do Hadoop sem exigir que eles aprendam Java ou conheçam a API nativa do MapReduce. O nome dessa interface é: Hive Analise Language Hive Manipulation Language Complex Query Language Hive Query Language Simple Hive Language 9. Ref.: 5187740 Pontos: 1,00 / 1,00 (FUNCAB 2008) A técnica RAID (Redundant Arrays of Inexpensive Disk) é usada: no armazenamento de informação ECC (error correcting code), que é a informação de controle de erros; na alocação dinâmica de memória RAM; em gerenciamento de disco para otimizar as operações de E/S e implementar redundância e proteção de dados; na otimização das interfaces IDE. na conexão à rede padrão ethernet; 10. Ref.: 5193463 Pontos: 0,00 / 1,00 A biblioteca MLlib oferece: Recursos para preparação de dados, vários tipos de algoritmos de aprendizado de máquina e utilitários de persistência; Exclusivamente recursos para extração, transformação e carga de dados Utilitários de persistência, recursos para preparação de dados e manipulação de dados estruturados; Algoritmos de aprendizado de máquina e recursos de processamento de grafo; Algoritmos de aprendizado de máquina e para processamento em tempo real;
Compartilhar