3. Hadoop - DS4341

¿Cuál es la función principal del componente HDFS en el ecosistema de Hadoop?

• Proporcionar un entorno de desarrollo para aplicaciones distribuidas

• Almacenar y gestionar grandes vol. de datos distribuidos en varios nodos

• Realizar cálculos distribuidos en paralelo

• Controlar la seguridad y autenticación de usuarios

¿Qué papel desempeña el NameNode en HDFS?

• Ejecuta las tareas de MapReduce

• Almacena los bloques de datos en el clúster

• Mantiene y gestiona la tabla de metadatos que mapea archivos a bloques

• Proporciona copias de seguridad de datos en caso de fallo de nodos

¿Cuál es la función principal del proceso "Reduce" en MapReduce?

• Filtrar los datos de entrada antes de que se procesen

• Dividir la tarea en sub-tareas más pequeñas

• Combinar y agregar los resultados de las tareas de mapeo

• Almacenar los resultados finales en HDFS

¿Qué sucede cuando un bloque de datos se corrompe en HDFS?

• El Job Tracker reintenta la tarea

• El DataNode replica el bloque automáticamente

• El NameNode asigna un DataNode alternativo con una réplica del bloque

• Se debe reiniciar el clúster para corregir el error

¿Qué sucede cuando un NameNode en un clúster de Hadoop falla?

• El sistema se detiene y debe ser reiniciado manualmente

• Un Secondary NameNode asume automáticamente el control

• Los DataNodes continúan funcionando independientemente

• No hay impacto ya que HDFS es completamente redundante

¿Cuál es la ventaja principal de usar HDFS para almacenar grandes volúmenes de datos?

• Alta disponibilidad debido a la replicación de datos

• Capacidad para ejecutar consultas SQL directamente sobre los datos

• Almacenamiento en memoria para acceso rápido

• Flexibilidad en la modificación de datos en tiempo real

¿Cuál es el propósito principal de Apache Pig en el ecosistema Hadoop?

• Proveer una interfaz gráfica para gestionar Hadoop

• Ejecutar consultas SQL sobre datos estructurados

• Proveer un lenguaje de scripting de alto nivel para procesamiento de datos

• Sincronizar datos entre Hadoop y bases de datos relacionales

¿Que componente se utiliza para la ingesta de grandes volúmenes de datos en Hadoop desde fuentes externas en tiempo real?

• Hive

• Sqoop

• Oozie

• Flume

¿Cuál es la función principal de Apache Oozie en el ecosistema Hadoop?

• Gestionar flujos de trabajo y la planificación de trabajos en Hadoop

• Proveer un sistema de almacenamiento en HDFS

• Realizar análisis de datos en tiempo real

• Integrar datos desde sistemas SQL hacia Hadoop

¿Cuál de las siguientes afirmaciones describe mejor la función de Apache Sqoop?

• Ejecuta análisis de datos en tiempo real sobre HDFS

• Coordina la ejecución de trabajos en Hadoop

• Transfiere datos entre bases de datos relacionales y Hadoop

• Almacena datos en una base de datos NoSQL distribuida