Exercícios de fixação do capítulo 2_ Desenvolvimento de Soluções com MapReduce utilizando Hadoop

Prévia do material em texto

15/09/2021 22:07 Exercícios de fixação do capítulo 2: Desenvolvimento de Soluções com MapReduce utilizando Hadoop
https://online.igti.com.br/courses/3724/quizzes/35364 1/9
Exercícios de �xação do capítulo 2
Entrega 16 set em 19:30 Pontos 3,35 Perguntas 12 Disponível até 16 set em 19:30
Limite de tempo Nenhum Tentativas permitidas 2
Histórico de tentativas
Tentativa Tempo Pontuação
MANTIDO Tentativa 2 4 minutos 3,07 de 3,35
MAIS RECENTE Tentativa 2 4 minutos 3,07 de 3,35
Tentativa 1 46 minutos 2,51 de 3,35
 As respostas corretas estarão disponíveis em 16 set em 19:30.
Pontuação desta tentativa: 3,07 de 3,35
Enviado 15 set em 22:06
Esta tentativa levou 4 minutos.
0,28 / 0,28 ptsPergunta 1
O Container é um dos principais componentes do YARN e consiste de:
 Gerenciamento da alocação de recursos do cluster. 
https://online.igti.com.br/courses/3724/quizzes/35364/history?version=2
https://online.igti.com.br/courses/3724/quizzes/35364/history?version=2
https://online.igti.com.br/courses/3724/quizzes/35364/history?version=1
15/09/2021 22:07 Exercícios de fixação do capítulo 2: Desenvolvimento de Soluções com MapReduce utilizando Hadoop
https://online.igti.com.br/courses/3724/quizzes/35364 2/9
 Gerenciamento do ciclo de vida de um job. 
 Pacote de recursos, incluindo memória RAM, CPU, Rede e disco. 
 Monitoramento de execuções das tarefas. 
0,28 / 0,28 ptsPergunta 2
 A arquitetura do YARN é composta pelos seguintes componentes:
 Resource Manager, Node Manager, DataNode e Combine. 
 Resource Manager, Node Manager, Namenode e Reduce. 
 Resource Manager, Node Manager, Application Messenger e Reduce. 
 Resource Manager, Node Manager, Application Master e Container. 
0,28 / 0,28 ptsPergunta 3
15/09/2021 22:07 Exercícios de fixação do capítulo 2: Desenvolvimento de Soluções com MapReduce utilizando Hadoop
https://online.igti.com.br/courses/3724/quizzes/35364 3/9
O Apache YARN surgiu para realizar algumas tarefas que antes eram realizadas pelo modelo MapReduce.
Essas tarefas são:
 Gerenciamento de concorrência e paralização. 
 Tolerância a falhas e distribuição. 
 Distribuição e paralelização. 
 Gerenciamento de recursos e agendamento de tarefas. 
0 / 0,28 ptsPergunta 4IncorretaIncorreta
Ainda sobre a História e surgimento do Hadoop podemos afirmar:
 Surgiu em 2008 como uma ferramenta open-source baseada no modelo HDFS e é mantida pelo Google. 
 
O Hadoop é uma ferramenta open-source baseada no modelo MapReduce e atualmente é mantida pela Apache. 
 
Surgiu em 2001 como uma ferramenta proprietária baseada no modelo MapReduce e atualmente é mantida pela
Apache.
15/09/2021 22:07 Exercícios de fixação do capítulo 2: Desenvolvimento de Soluções com MapReduce utilizando Hadoop
https://online.igti.com.br/courses/3724/quizzes/35364 4/9
 Surgiu em 2004 como uma ferramenta open-source baseada no modelo HDFS e é mantida pelo Google. 
Verificar conteúdo sobre a história do Hadoop onde foi apresentado as origens da ferramenta.
0,28 / 0,28 ptsPergunta 5
Sobre as características dos componentes que formam o Hadoop, podemos afirmar:
 O Zookeeper lida apenas com dados não estruturados. 
 
O Ambari monitora o consumo de memória, CPU e rede além de ser uma ferramenta para processamento de
dados estruturados.
 
O HBase lida com grandes tabelas com dados estruturados (BIG Table) além de ser uma biblioteca que fornece
algoritmos para aprendizado de máquinas.
 
O Spark prioriza o processamento em memória e possui implementado algoritmos para aprendizado de máquinas
e processamento de grafos.
15/09/2021 22:07 Exercícios de fixação do capítulo 2: Desenvolvimento de Soluções com MapReduce utilizando Hadoop
https://online.igti.com.br/courses/3724/quizzes/35364 5/9
0,28 / 0,28 ptsPergunta 6
Sobre as funções Map e Reduce, podemos afirmar, EXCETO:
 A função Map é uma função opcional. 
 
A função Reduce recebe uma lista como entrada e aplicará uma função para que a entrada seja reduzida a um
único valor de saída.
 A função Map é a primeira a ser executada e recebe como entrada o arquivo de entrada. 
 A função Combine funciona como uma função pré-reduce e é opcional. 
0,28 / 0,28 ptsPergunta 7
Como o Hadoop lida com tolerância a falhas?
 O Hadoop não tem a capacidade de se recuperar de falhas. 
 Caso uma tarefa falhe sucessivas vezes o Hadoop irá insistir indefinidamente com a realocação dessa tarefa. 
15/09/2021 22:07 Exercícios de fixação do capítulo 2: Desenvolvimento de Soluções com MapReduce utilizando Hadoop
https://online.igti.com.br/courses/3724/quizzes/35364 6/9
 Todo o processo se encerra ao identificar alguma falha. 
 
A JVM comunica o problema ao Tasktracker. O erro é registrado em log. O slot é liberado para a execução de
uma nova tarefa.
0,28 / 0,28 ptsPergunta 8
Sobre as características do Hadoop podemos afirmar:
 
Utiliza clusters de computadores e processa grandes massas de dados. A escalabilidade não é uma
característica da ferramenta.
 Tem a capacidade de lidar com grandes massas de dados, porém o processamento é apenas sequencial. 
 É um framework que fornece apenas processamento paralelo e local. 
 
É um framework que fornece processamento paralelo e distribuído. Tem a capacidade de processar grandes
massas de dados utilizando cluster.
15/09/2021 22:07 Exercícios de fixação do capítulo 2: Desenvolvimento de Soluções com MapReduce utilizando Hadoop
https://online.igti.com.br/courses/3724/quizzes/35364 7/9
0,28 / 0,28 ptsPergunta 9
Sobre a paralelização e distribuição dos trabalhos realizados pelo Hadoop, podemos afirmar, EXCETO:
 
O Hadoop possui um modelo de programação simplificado onde o desenvolvedor pode focar seus esforços no
desenvolvimento da solução, deixando a paralelização por conta do framework.
 
Ao desenvolver uma solução com o Hadoop, podemos nos preocupar basicamente com o negócio da aplicação,
deixando a paralelização, distribuição e tolerância a falhas por conta do framework.
 
O paralelismo e a distribuição é algo que torna complexo o desenvolvimento de soluções com o Hadoop, pois o
desenvolvedor precisa se preocupar o tempo todo em paralelizar e distribuir o processamento.
 
O paralelismo e distribuição não é algo com o que o desenvolvedor precisa se preocupar. Isso será realizado
automaticamente pelo framework.
0,28 / 0,28 ptsPergunta 10
15/09/2021 22:07 Exercícios de fixação do capítulo 2: Desenvolvimento de Soluções com MapReduce utilizando Hadoop
https://online.igti.com.br/courses/3724/quizzes/35364 8/9
Qual é o arquivo de configuração que armazena os parâmetros referentes ao sistema de arquivos
distribuído?
 Core-site.xml. 
 Hdfs-site.xml. 
 Não existe um arquivo específico para esse fim. 
 Mapred-site.xml. 
0,28 / 0,28 ptsPergunta 11
O que é a função Combine?
 Não existe essa função no Hadoop. 
 
É uma função opcional que funciona como um pré-map e tem o objetivo de diminuir a quantidade de dados que
chega para a função Map.
15/09/2021 22:07 Exercícios de fixação do capítulo 2: Desenvolvimento de Soluções com MapReduce utilizando Hadoop
https://online.igti.com.br/courses/3724/quizzes/35364 9/9
 
É uma função obrigatória que funciona como um pré-reduce e tem o objetivo de diminuir a quantidade de dados
que chega para a função Reduce.
 
É uma função opcional que funciona como um pré-reduce e tem o objetivo de diminuir a quantidade de dados que
chega para a função Reduce.
0,27 / 0,27 ptsPergunta 12
O Resource Manager é um dos principais componentes do YARN e uma de suas principiais atribuições é:
 Executar o monitoramento dos aplicativos. 
 Garantir a reinicialização das tarefas com falhas. 
 Distribuir o processamento. 
 Alocar recursos para os vários aplicativos em execução. 
Pontuação do teste: 3,07 de 3,35