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

Công nghệ nào được sử dụng để tuần tự hóa dữ liệu trong Hadoop?

Lời giải:

Đáp án đúng: B

Trong Hadoop, Avro là một hệ thống tuần tự hóa dữ liệu (serialization system) được sử dụng rộng rãi. Nó cung cấp một khuôn khổ mạnh mẽ để chuyển đổi các đối tượng dữ liệu thành định dạng có thể được lưu trữ hoặc truyền đi, sau đó có thể được chuyển đổi trở lại thành các đối tượng dữ liệu ban đầu. Avro hỗ trợ schema evolution, cho phép thay đổi schema theo thời gian mà không làm hỏng khả năng đọc dữ liệu cũ. Các lựa chọn khác không đúng vì:

HBase là một hệ quản trị cơ sở dữ liệu NoSQL.

Sqoop là công cụ để chuyển dữ liệu giữa Hadoop và các cơ sở dữ liệu quan hệ.

Zookeeper là dịch vụ điều phối (coordination service) cho các ứng dụng phân tán.

Câu 4:

Công ty nào đã phát triển Apache Cassandra giai đoạn đầu tiên

Lời giải:

Đáp án đúng: D

Apache Cassandra được phát triển ban đầu tại Facebook để phục vụ nhu cầu lưu trữ hộp thư đến (inbox) của người dùng. Sau đó, nó được chuyển giao cho Apache Software Foundation và trở thành một dự án mã nguồn mở.

Câu 5:

Đáp án nào không phải là một "output operation" khi thao tác với DStream:

Lời giải:

Đáp án đúng: D

Câu hỏi này kiểm tra kiến thức về các thao tác "output operation" trong Spark Streaming với DStream. Output operations là các thao tác cho phép bạn đẩy dữ liệu đã xử lý từ DStream ra các hệ thống bên ngoài.

* saveAsTextFile, saveAsHadoopFile, foreachRDD là các output operation: cho phép lưu DStream ra hệ thống file (text file, hadoop file) hoặc thực hiện các thao tác trên từng RDD của DStream.
* reduceByKeyAndWindow là một transformation operation: thực hiện tính toán trên DStream và trả về một DStream mới.

Do đó, đáp án D không phải là một output operation mà là một transformation operation.

Câu 6:

Hadoop khác với máy tính tình nguyện ở chỗ:

Lời giải:

Đáp án đúng: A

Câu hỏi này so sánh sự khác biệt giữa Hadoop và mô hình máy tính tình nguyện (volunteer computing).

* Máy tính tình nguyện: Thường tận dụng tài nguyên dư thừa từ các máy tính cá nhân của tình nguyện viên. Các dự án như SETI@home thường sử dụng thời gian CPU nhàn rỗi của máy tính tình nguyện viên để xử lý dữ liệu khoa học.
* Hadoop: Là một framework để xử lý và lưu trữ lượng lớn dữ liệu trên một cụm máy tính. Hadoop sử dụng mô hình MapReduce để phân tán công việc xử lý dữ liệu trên nhiều node.

Phân tích các lựa chọn:

* A. Tình nguyện viên đóng góp thời gian CPU chứ không phải băng thông mạng: Đây là một điểm khác biệt chính xác. Các dự án máy tính tình nguyện thường sử dụng thời gian CPU nhàn rỗi của máy tính tình nguyện viên. Băng thông mạng có thể được sử dụng để tải xuống dữ liệu đầu vào và tải lên kết quả, nhưng việc đóng góp chính là thời gian CPU.
* B. Tình nguyện viên đóng góp băng thông mạng chứ không phải thời gian CPU: Sai. Như đã giải thích, tình nguyện viên chủ yếu đóng góp thời gian CPU.
* C. Hadoop không thể tìm kiếm các số nguyên tố lớn: Sai. Hadoop là một framework xử lý dữ liệu tổng quát và có thể được sử dụng cho nhiều mục đích khác nhau, bao gồm cả việc tìm kiếm số nguyên tố (mặc dù có thể không phải là ứng dụng hiệu quả nhất).
* D. Chỉ Hadoop mới có thể sử dụng mapreduce: Sai. MapReduce là một mô hình lập trình, và có thể được triển khai trên nhiều nền tảng khác nhau, không chỉ Hadoop. Có những triển khai MapReduce khác, mặc dù Hadoop là một trong những triển khai phổ biến nhất.

Vậy, đáp án A là đáp án đúng nhất, vì nó chỉ ra sự khác biệt chính trong cách thức hoạt động của Hadoop và máy tính tình nguyện.

Câu 7:

Hệ thống apache nào dưới đây giải quyết việc nhập dữ liệu phát trực tuyến vào hadoop:

Lời giải:

Đáp án đúng: C

Đáp án đúng là C. Flume.

Giải thích:

Flume là một hệ thống phân tán, tin cậy và có sẵn để thu thập, tổng hợp và di chuyển một lượng lớn dữ liệu nhật ký từ nhiều nguồn khác nhau đến kho lưu trữ dữ liệu tập trung như Hadoop HDFS. Flume được thiết kế đặc biệt để nhập dữ liệu phát trực tuyến (streaming data) vào Hadoop.
Kafka là một nền tảng truyền dữ liệu phân tán, có khả năng mở rộng và chịu lỗi, thường được sử dụng cho việc xây dựng các pipeline dữ liệu thời gian thực và các ứng dụng phát trực tuyến. Tuy nhiên, nó không phải là một hệ thống chuyên dụng để nhập dữ liệu vào Hadoop như Flume.
Oozie là một hệ thống workflow scheduler để quản lý các công việc Hadoop. Nó không liên quan trực tiếp đến việc nhập dữ liệu.
Hive là một hệ thống kho dữ liệu (data warehouse) được xây dựng trên Hadoop, cung cấp khả năng truy vấn và phân tích dữ liệu lớn được lưu trữ trong Hadoop. Nó không phải là một công cụ để nhập dữ liệu.

Câu 8:

Hệ thống nào cho phép đọc ghi dữ liệu tại vị trí ngẫu nhiên, thời gian thực tới hàng terabyte dữ liệu:

Lời giải: