Grátis: O paradigma MapReduce é uma estratégia de computação com capacidade de processar grandes conjuntos de dados de maneira distribuída em várias máquin... – Questões Respondidas

Biologia Molecular

Outros

O paradigma MapReduce é uma estratégia de computação com capacidade de processar grandes conjuntos de dados de maneira distribuída em várias máquinas. Em relação à técnica MapReduce, selecione a opção que é responsável por consolidar os resultados produzidos ao longo do processamento.
A Agregação
B Mapeamento
C Separação
D Redução
E Processamento

Desafios para Aprender

há 10 meses

Desafios para Aprender

há 10 meses

simulado 2 tópicos de big data em python

simulado 2 tópicos de big data em python

UERJ

Respostas

Ed

há 10 meses

No paradigma MapReduce, o processamento de dados é dividido em duas etapas principais: a fase de "Map" (mapeamento) e a fase de "Reduce" (redução). - A fase de "Map" é responsável por dividir os dados e processá-los em paralelo, gerando pares de chave-valor. - A fase de "Reduce" é onde os resultados gerados na fase de "Map" são consolidados e agregados, resultando em um conjunto final de dados. Dessa forma, a opção que é responsável por consolidar os resultados produzidos ao longo do processamento é: D) Redução.

Essa resposta te ajudou?

0

0

left-side-bubbles-background

right-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

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Essa pergunta também está no material:

simulado 2 tópicos de big data em python

simulado 2 tópicos de big data em python

UERJ

Mais perguntas desse material

Atualmente, o Apache Spark é o mais bem-sucedido framework para Big Data. Selecione a opção correta que contenha apenas funções que podem ser categorizadas como transformações no Spark.
A count, collect e take.
B map, sample e collect.
C map, filter e union.
D reduce, first e map.
E map, take e reduce.

Os componentes do Spark têm como objetivo facilitar o desenvolvimento de projetos com finalidades específicas. Nesse sentido, selecione a opção que contém o componente responsável por estabelecer uma conexão com o Cluster.
A Spark.Catalog
B SparkSession
C DataFrame
D RDD
E SparkContext

Dado que Felipe quer fazer a junção entre dois conjuntos de dados e escreveu o seguinte código: import pandas as pd df1 = pd.DataFrame({'lkey': ['foo', 'bar', 'baz', 'foo'], 'value': [1, 2, 3, 5]}) df2 = pd.DataFrame({'rkey': ['foo', 'bar', 'baz', 'foo'], 'value': [5, 6, 7, 8]}) df1.merge(df2, left_on='lkey', right_on='rkey')
Qual destas alternativas descreve as saídas do código?
I ¿ O conjunto resultante terá colunas lkey, value_x, rkey, value_y
II ¿ O código não executará, pois Filipe não definiu os sufixos de coluna
III ¿ O resultado do código em questão retornará um pd.Series juntando os conjuntos pela lkey e rkey.
Apenas as opções II e III estão corretas.
Apenas a opção I está correta.
Apenas as opções I e III estão corretas.
Apenas a opção II está correta.
Apenas a opção III está correta.