Quiz sur le Big Data et les Middlewares

Parmi les caractéristiques suivantes, laquelle ne fait PAS partie des 5 V du Big Data ?

• Validité
• Volume
• Vélocité
• Variété

Answer explanation

Les 5 V classiques sont Volume, Vélocité, Variété, Véracité et Valeur. « Validité » n’en fait pas partie.

Quel rôle principal joue un middleware dans une architecture Big Data ?

• Il assure la communication et l'orchestration entre les producteurs, le stockage et les services de données
• Il remplace entièrement le système de stockage de données
• Il fournit directement des tableaux de bord aux utilisateurs finaux
• Il exécute des modèles de Machine Learning en autonomie

Answer explanation

Le middleware agit comme la « colle » qui fait circuler les données entre les différentes couches.

Dans Apache Kafka, comment s’appelle l’entité qui stocke physiquement les messages et gère la réplication ?

• Broker
• Producer
• Consumer
• Topic

Answer explanation

Chaque **broker** possède les partitions d’un topic et les réplique pour la tolérance aux pannes.

Quel énoncé traduit correctement le compromis CAP choisi par la majorité des bases NoSQL « AP » ?

• On privilégie la Disponibilité et la Tolérance au Partitionnement au détriment de la Cohérence forte
• On garantit Cohérence forte et Disponibilité, mais pas la Tolérance au Partitionnement
• On assure Cohérence forte et Partitionnement, mais on sacrifie la Disponibilité
• On maximise la latence au lieu de la cohérence

Answer explanation

Les systèmes AP acceptent une cohérence éventuelle pour rester disponibles même en cas de partition réseau.

Laquelle de ces séquences reflète l’ordre chronologique d’évolution présenté dans le cours ?

• Relationnel → NoSQL → Hadoop → Spark → Cloud → Data Mesh
• NoSQL → Relationnel → Spark → Hadoop → Mesh
• Hadoop → Relationnel → Cloud → Spark
• Spark → NoSQL → Mesh → Cloud → Relationnel

Answer explanation

C’est la frise historique étudiée ensemble (slide « Évolution des systèmes de données »).

Pourquoi Spark est-il considéré comme plus rapide que le MapReduce natif de Hadoop ?

• Il traite les données en mémoire (in‑memory) au lieu de passer systématiquement par le disque
• Il stocke les blocs de données sur SSD uniquement
• Il ignore complètement le framework YARN
• Il compresse automatiquement tous les jeux de données

Answer explanation

Le moteur Spark garde les datasets intermédiaires en RAM (RDD/DataFrames), réduisant fortement les I/O disque.

Quel exemple d’utilisation réelle de Kafka a été détaillé pendant la séance ?

• Uber – suivi temps réel des courses
• Netflix – recommandation vidéo
• Airbnb – classement des annonces
• Spotify – génération de playlists

Answer explanation

La slide « Case Study : Uber & Kafka » illustrait le suivi des trajets en streaming via Kafka.

Dans le débat Cloud vs On‑Prem, quel **avantage clé** du cloud a été souligné ?

• Élasticité et paiement à l’usage
• Pas de dépendance à un fournisseur
• Accès sans internet
• Zero coût à long terme

Answer explanation

Le cloud permet de scaler instantanément et facture uniquement la ressource consommée.

Quel est l'un des principaux défis associés à la gestion des données dans le cloud ?

• Sécurité des données

• Coût de stockage

• Accès aux données hors ligne

• Complexité de l'architecture

Dans une architecture de données, quel est le rôle d'un Data Lake ?

• Exécuter des requêtes SQL sur des données relationnelles

• Fournir des services de visualisation de données

• Stocker des données non structurées à grande échelle

• Gérer les transactions en temps réel