Big data 2

AVRO là gì?

• Avro là một thư viện tuần tự hóa java.

• Avro là một thư viện nén java.

• Avro là một thư viện java tạo các tệp bảng chia nhỏ.

• Không câu trả lời nào đúng.

Bản chất của phần cứng cho NameNode phải là

• Cao cấp hơn loại hàng hóa

• Loại hàng hóa

• Không thành vấn đề

• Chỉ cần có nhiều Ram hơn mỗi DataNode

Bản chất DStream:

• là một chuỗi liên tục RDD

• Là một chuỗi liên tục DataFrame

• Là một chuỗi liên tục DataSet

• ko có đáp án đúng

Bạn có thể chạy Map - Reduce jobs trực tiếp trên dữ liệu Avro không?

• Có, Avro được thiết kế đặc biệt để xử lý dữ liệu qua Map-Reduce.

• Có, nhưng cần có mã hóa mở rộng bổ sung.

• Không, Avro được thiết kế đặc biệt chỉ để lưu trữ dữ liệu.

• Avro chỉ định siêu dữ liệu cho phép truy cập dữ liệu dễ dàng hơn. Dữ liệu này không thể được sử dụng như một phần của quá trình thực thi thu nhỏ bản đồ, thay vì chỉ đặc tả đầu vào.

Bạn có thể dự trữ lượng sử dụng đĩa trong một DataNode bằng cách định cấu hình dfs.datanode.du.reserved trong tệp nào sau đây

• Hdfs-site.xml

• Hdfs-defaukt.xml

• Core-site.xml

• Mapred-site.xml

Bộ nhớ đệm phân tán là gì?

• Bộ đệm phân tán là thành phần đặc biệt trên NameNode sẽ lưu vào bộ đệm dữ liệu được sử dụng thường xuyên để phản hồi máy khách nhanh hơn. Nó được sử dụng trong bước giảm.

• Bộ nhớ đệm phân tán là thành phần đặc biệt trên DataNode sẽ lưu vào bộ đệm dữ liệu được sử dụng thường xuyên để phản hồi máy khách nhanh hơn. Nó được sử dụng trong bước bản đồ.

• Bộ đệm phân tán là một thành phần lưu trữ các đối tượng java.

• Bộ nhớ đệm phân tán là một thành phần cho phép các nhà phát triển triển khai các chum để xử lý Map-Reduce.

Các đặc trưng của HDFS. Chọn đáp án SAI

• Tối ưu cho các tệp tin có kích thước lớn

• Hỗ trợ thao tác đọc ghi tương tranh tại chunk (phân mảnh) trên tệp tin

• Hỗ trợ nén dữ liệu để tiết kiệm chi phí

• hỗ trợ cơ chế phân quyền và kiểm soát người dùng của UNIX

Các khối dữ liệu ánh xạ thông tin với các tệp tương ứng của chúng được lưu trữ trong

• DataNode

• Job Tracker

• Task Tracker

• NameNode

Các mục tiêu chính của Apache Hadoop

• lưu trữ dữ liệu khả mở

• xử lý dữ liệu lớn mạnh mẽ

• trực quan hóa dữ liệu hiệu quả

• lưu trữ dữ liệu khả mở và xử lý dữ liệu lớn mạnh mẽ

• lưu trữ dữ liệu khả mở, xử lý dữ liệu lớn mạnh mẽ và trực quan hóa dữ liệu hiệu quả

Các tệp HDFS được thiết kế cho

• Nhiều người viết và sửa đổi ở các hiệu số tùy ý.

• Chỉ nối vào cuối tệp

• Chỉ ghi thành tệp một lần.

• Truy cập dữ liệu có độ trễ thấp.