Baixe o app para aproveitar ainda mais
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
Compartilhar