Os dados processados em Big Data passaram de Gigabytes para Terabytes e daí para Petabytes, ficando cada vez mais claro que o seu tratamento exige ...

Os dados processados em Big Data passaram de Gigabytes para Terabytes e daí para Petabytes, ficando cada vez mais claro que o seu tratamento exige uma nova estratégia de processamento e armazenamento. O Hadoop implementa a estratégia de processamento chamada MapReduce, que deve ser usada para a criação de jobs de acesso e processamento dos dados no Hadoop. Com base nessas informações e no conteúdo estudado, é correto afirmar que o MapReduce foi criado para:
facilitar o transporte do processamento de forma paralela entre os clusters, pois é mais fácil transportar o processamento do que os dados.
abstrair a forma como os jobs devem ser processados, permitindo que qualquer tipo de modelo seja usado no Hadoop sem precisar reescrever códigos já criados
facilitar a compactação dos dados nos clusters, facilitando o transporte desses dados entre o cluster e as aplicações usuárias do serviço.
facilitar o transporte do processamento de forma paralela entre os clusters, pois é mais fácil transportar o processamento do que os dados.
ampliar a capacidade de processamento paralelo ao transportar os dados para o nó de cluster que executa o job de processamento dos dados solicitados.