Logo Passei Direto
Buscar

Bases de Dados

Colégio Objetivo
Questão 4/10 - Big Data
Flume é um sistema distribuído, confiável e de alta disponibilidade para coletar, agregar e mover eficientemente grandes quantidades de dados de log de muitas fontes diferentes para um armazenamento centralizado. Avalie as seguintes afirmações a respeito do Flume: I – O Flume possui um plugin para atuar como um sistema de agregação de log para o Hadoop. II – O Flume pode ser utilizado para coletar dados de diversas fontes, como logs de servidores, feeds RSS, e-mails, entre outros. III – O Flume é um sistema de processamento em tempo real que permite a análise de dados em tempo real. IV – O Flume é um sistema de processamento em batch que permite a análise de grandes volumes de dados. V – O Flume é um sistema de processamento de fluxo de dados que permite a análise de dados em movimento. Dentre essas afirmações estão CORRETAS:

I – O Flume possui um plugin para atuar como um sistema de agregação de log para o Hadoop.
II – O Flume pode ser utilizado para coletar dados de diversas fontes, como logs de servidores, feeds RSS, e-mails, entre outros.
III – O Flume é um sistema de processamento em tempo real que permite a análise de dados em tempo real.
IV – O Flume é um sistema de processamento em batch que permite a análise de grandes volumes de dados.
V – O Flume é um sistema de processamento de fluxo de dados que permite a análise de dados em movimento.
A I, II e V
B II, III e IV
C III, IV e V
D I, III e V
E Todas
User badge image
Estudando com Questões

há 2 anos

User badge image
Estudando com Questões

há 2 anos

Big Data: Recomendações e Gerenciamento
6 pág.

Big Data: Recomendações e Gerenciamento

UFPR

Respostas

User badge image

Ed Verified user icon

ano passado

Vamos analisar cada afirmação sobre o Flume: I – O Flume possui um plugin para atuar como um sistema de agregação de log para o Hadoop. Verdadeiro, o Flume é frequentemente usado para coletar e agregar logs para o Hadoop. II – O Flume pode ser utilizado para coletar dados de diversas fontes, como logs de servidores, feeds RSS, e-mails, entre outros. Verdadeiro, o Flume é projetado para coletar dados de várias fontes. III – O Flume é um sistema de processamento em tempo real que permite a análise de dados em tempo real. Falso, o Flume é mais focado na coleta e movimentação de dados, não é um sistema de processamento em tempo real por si só. IV – O Flume é um sistema de processamento em batch que permite a análise de grandes volumes de dados. Falso, o Flume não é um sistema de processamento em batch, mas sim um sistema de coleta de dados. V – O Flume é um sistema de processamento de fluxo de dados que permite a análise de dados em movimento. Verdadeiro, o Flume é projetado para mover dados em fluxo, mas não realiza a análise por conta própria. Agora, vamos ver quais alternativas contêm apenas as afirmações verdadeiras: - A) I, II e V (corretas) - B) II, III e IV (incorretas, pois III e IV são falsas) - C) III, IV e V (incorretas, pois III e IV são falsas) - D) I, III e V (incorreta, pois III é falsa) - E) Todas (incorreta, pois III e IV são falsas) Portanto, a alternativa correta que contém todas as afirmações verdadeiras é: A) I, II e V.

Essa resposta te ajudou?

0
Dislike0
left-side-bubbles-backgroundright-side-bubbles-background

Crie sua conta grátis para liberar essa resposta. 🤩

Já tem uma conta?

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

User badge image

Ed Verified user icon

há 2 anos

A resposta correta é a alternativa E) Todas. Todas as afirmações I, II, III, IV e V estão corretas. O Flume possui um plugin para atuar como um sistema de agregação de log para o Hadoop, pode ser utilizado para coletar dados de diversas fontes, é um sistema de processamento em tempo real e em batch, e também é um sistema de processamento de fluxo de dados que permite a análise de dados em movimento.

Essa resposta te ajudou?

0
Dislike0

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

Big Data: Recomendações e Gerenciamento
6 pág.

Big Data: Recomendações e Gerenciamento

UFPR

Mais perguntas desse material

Questão 1/10 - Big Data
Recomendações se baseiam nas previsões de preenchimento das avaliações desconhecidas. Existem duas principais abordagens para isso: recomendações baseadas em conteúdo (content-based recommendations) e filtragem colaborativa (collaborative filtering). Avalie as seguintes avaliações sobre as duas principais abordagens de recomendações: I – O sistema de recomendações baseadas em conteúdo possuem como estratégia a recomendação de itens mais parecidos aos que o usuário avaliou. II – Antes de recomendar um novo item, o sistema de recomendações baseadas em conteúdo precisa que algum usuário avalie o novo item. III – O cálculo de similaridade entre os usuários é utilizado por sistemas de filtragem colaborativa para medir a chance de um par de usuários avaliar determinado item de forma parecida. IV – Métodos de filtragem colaborativa pode ser aplicado apenas para medir a semelhança entre usuários. V – É possível utilizar métodos de diferentes abordagens de recomendação de uma forma híbrida para tentar melhorar a qualidade das predições. Dentre essas afirmacoes estão INCORRETAS:

I – O sistema de recomendações baseadas em conteúdo possuem como estratégia a recomendação de itens mais parecidos aos que o usuário avaliou.
II – Antes de recomendar um novo item, o sistema de recomendações baseadas em conteúdo precisa que algum usuário avalie o novo item.
III – O cálculo de similaridade entre os usuários é utilizado por sistemas de filtragem colaborativa para medir a chance de um par de usuários avaliar determinado item de forma parecida.
IV – Métodos de filtragem colaborativa pode ser aplicado apenas para medir a semelhança entre usuários.
V – É possível utilizar métodos de diferentes abordagens de recomendação de uma forma híbrida para tentar melhorar a qualidade das predições.
A Todas, exceto V
B I e III
C Nenhuma
D II e IV
E II e V

Questão 2/10 - Big Data
Para que o valor dos dados contidos em um Data Lake não seja perdido, se faz necessário criar uma solução de Data Lake que inclua as noções de gerenciamento, acessibilidade e governança. Avalie as seguintes afirmações a respeito do gerenciamento de Data Lake: I – Um Data Lake oferece o mesmo nível de complexidade que outras estratégias de armazenamento como Data Mart e Data Warehouse. II – Uma das características que podem ser agregadas aos dados armazenados em uma estratégia de Data Lake utilizando bons esquemas de governança é a transparência no uso dos dados. III – Entre as informações que se podem obter dos dados em um Data Lake podemos destacar os metadados técnicos que fornecem informações sobre a qualidade, perfil, origem, e a sua linhagem. IV – Os metadados técnicos de um Data Lake podem fornecer informações a respeito da forma ou estrutura dos dados tais como tamanho, tipo de dado ou esquema. V – Os metadados de um Data Lake permitem buscar, localizar e aprender sobre os dados armazenados. Dentre essas afirmações estão CORRETAS:

I – Um Data Lake oferece o mesmo nível de complexidade que outras estratégias de armazenamento como Data Mart e Data Warehouse.
II – Uma das características que podem ser agregadas aos dados armazenados em uma estratégia de Data Lake utilizando bons esquemas de governança é a transparência no uso dos dados.
III – Entre as informações que se podem obter dos dados em um Data Lake podemos destacar os metadados técnicos que fornecem informações sobre a qualidade, perfil, origem, e a sua linhagem.
IV – Os metadados técnicos de um Data Lake podem fornecer informações a respeito da forma ou estrutura dos dados tais como tamanho, tipo de dado ou esquema.
V – Os metadados de um Data Lake permitem buscar, localizar e aprender sobre os dados armazenados.
A II, IV e V
B Todas, exceto IV
C I, II e V
D III, IV e V
E Todas

Dentre essas afirmacoes estão CORRETAS:

I – O Flume é uma ferramenta de ingestão de dados que permite a coleta, agregação e movimentação de grandes quantidades de dados em tempo real.
II – O canal do Flume é utilizado como um tipo de buffer quando a taxa de dados recebidos supera a capacidade de escrita do destino.
III – O roteamento contextual de dados é uma das possibilidades de uso do Flume.
IV – Os eventos são removidos de um canal apenas ao serem recebidos pelo repositório final.
V – Os dados nos canais do Flume podem ser armazenados tanto no sistema de arquivos local quanto em memória. Independente da opção de armazenamento, os eventos armazenados podem ser recuperados de falhas.
A Todos, exceto IV
B I, II e III
C II e IV
D II e III
E I e V

Avalie as seguintes afirmações sobre os Datasets e DataFrames:

I – Algumas das características dos Datasets incluem tipagem forte e a implementação de funções lambda.
II – Datasets podem ser manipulados através de transformações funcionais como map, flatmap, filter, entre outros.
III – A API Dataset está disponível nas linguagens Java, Scala, Python e R.
IV – Um DataFrame é um Dataset estruturado em uma família de colunas.
V – DataFrame podem ser considerados uma extensão dos conceitos RDD e Dataset a partir da aplicação de uma estrutura de dados.
A Nenhuma
B Apenas V
C III e IV
D I, III e V
E I e II

Avalie as seguintes afirmações a respeito das operações suportadas pelo Spark:

I – map é uma ação que passa cada elemento de um conjunto de dados por uma função e retorna um novo RDD representando os resultados.
II – reduce é uma ação que agrega todos os elementos de um RDD utilizando alguma função e retorna o resultado final ao DriverProgram.
III – Todas as transformações em Spark são preguiçosas, ou seja, são computadas apenas quando uma ação requisita um resultado para ser retornado para o Driver Program.
IV – É possível garantir a ordenação entre as execuções de cada tarefa utilizando a ação sort.
V – O método persist é utilizado para tornar-se um RDD persistente, esse método é importante para otimizar acessos futuros.
A II e IV
B Nenhuma
C Todas, exceto II
D I, III e V
E I e IV

Avalie as seguintes afirmações a respeito do desenvolvimento e design de soluções Big Data:

I – O desenvolvimento de aplicações Big Data possui grandes desafios em como combinar todas as suas tecnologias e ideias para desenvolver novos produtos. Porém a integração com tecnologias tradicionais é uma questão trivial atualmente.
II – Em muitos casos as soluções de Big Data têm como objetivo otimizar processos de negócios, adquirir vantagens competitivas ou otimizar operações. Dessa forma podem representar muitas vantagens para uma empresa.
III – O entendimento das necessidades que nossa aplicação busca atender é uma das maneiras mais importantes de se obter as informações necessárias para guiar o desenvolvimento
IV – A documentação de requisitos é capaz de evitar desperdícios e garantir que a implementação está alinhada com as necessidades do usuário.
V – Working Backwards é uma abordagem de desenvolvimento de produtos que prioriza o entendimento dos requisitos e o feedback do usuário antes mesmo do início do desenvolvimento.
A II, III e IV
B I, II e III
C III e IV
D I, III e V
E I e V

Dentre essas afirmacoes estão INCORRETAS:

A IV e V
B I e III
C Todas
D I, II e III
E II, IV e V
A
B
C
D
E

A respeito da arquitetura e APIs do Kafka avalie as seguintes afirmações:

I – A API Kafka responsável por consumir um ou mais fluxos de um ou mais tópicos e produzir fluxos de um ou mais tópicos é conhecida como Topic API.
II – O Kafka permite a criação de produtores e consumidores reutilizáveis para conectar tópicos Kafka a aplicações externas através da Connector API
III – As APIs que permitem que uma aplicação publique um fluxo de eventos em um ou mais tópicos e se inscreva em um ou mais tópicos são: Publish API e Subscribe API respectivamente.
IV – Cada evento em uma partição possui um identificador único e sequencial conhecido por offset. Dessa forma o único metadado que é necessário armazenar por consumidor é a sua posição de offset.
V – Consumidores são agrupados em grupos onde cada evento publicado a um tópico é entregue a uma instância consumidora dentro da inscrição de dado grupo consumidor.
A IV e V
B I e III
C Todas
D I, II e III
E II, IV e V

A respeito da API do GraphX avalie as seguintes afirmações:

I – Um grafo de propriedades em GraphX é uma abstração capaz de def inir um multigrafo dirigido com objetos definidos para cada vértice e aresta.
II – Um grafo de propriedade pode ser definido como um par de conjuntos de RDDs que codificam as características de vértices e arestas.
III – Grafos de propriedades são distribuídos, tolerantes a falhas e seus valores e estruturas podem ser modificados facilmente.
IV – O construtor da classe Edge recebe os parâmetros que correspondem aos identificadores dos vértices de origem e destino.
V – O membro vertices da classe Graph retorna um VertexRDD[(String,String)] que é uma extensão do objeto RDD[(VertexId,(String,String)]. Por outro lado, o membro edge retorna um EdgeRDD que contém um objeto Edge[String].
A I, II e III
B I, III e IV
C Apenas III
D Todas
E II, IV e V

Mais conteúdos dessa disciplina