Đám mây AWS cung cấp dịch vụ NoSQL Database:

Amazon RDS

Amazon EC2

Amazon DynamoDB

Amazon Container Service

Trả lời:

Đáp án đúng: C

Amazon DynamoDB là một dịch vụ cơ sở dữ liệu NoSQL hoàn toàn được quản lý, cung cấp hiệu suất nhanh chóng và có thể dự đoán với khả năng mở rộng liền mạch. Nó cho phép bạn giảm bớt gánh nặng quản trị cơ sở dữ liệu.

Amazon RDS (Relational Database Service): Là dịch vụ cơ sở dữ liệu quan hệ, không phải NoSQL.
Amazon EC2 (Elastic Compute Cloud): Là dịch vụ máy chủ ảo, không phải dịch vụ cơ sở dữ liệu.
Amazon Container Service: Không có dịch vụ nào của AWS có tên gọi chính xác như vậy. Có thể là một cách gọi khác của Amazon ECS (Elastic Container Service) hoặc Amazon EKS (Elastic Kubernetes Service), đây là các dịch vụ container, không phải dịch vụ cơ sở dữ liệu.

300+ câu hỏi trắc nghiệm Big Data đầy đủ đáp án và lời giải - Phần 2

50 câu hỏi 60 phút

Bắt đầu thi

Câu hỏi liên quan

Câu 1:

Bản chất của phần cứng cho NameNode phải là

Lời giải:

Đáp án đúng: A

NameNode là thành phần quan trọng nhất trong Hadoop Distributed File System (HDFS). Nó quản lý metadata của hệ thống tệp, bao gồm thông tin về các tệp, thư mục, và các khối dữ liệu (blocks) nằm trên DataNodes. Vì NameNode chịu trách nhiệm quản lý toàn bộ hệ thống tệp, nó cần phần cứng mạnh mẽ và đáng tin cậy để đảm bảo hiệu suất và tính ổn định.

* Đáp án A đúng: NameNode cần phần cứng cao cấp hơn loại hàng hóa (commodity hardware) vì nó phải xử lý lượng lớn metadata và các yêu cầu từ client. Việc sử dụng phần cứng cao cấp hơn giúp NameNode hoạt động nhanh hơn, ổn định hơn và ít bị lỗi hơn.
* Đáp án B sai: Loại hàng hóa (commodity hardware) thường không đủ mạnh để đáp ứng yêu cầu về hiệu suất và độ tin cậy của NameNode.
* Đáp án C sai: Phần cứng của NameNode rất quan trọng và ảnh hưởng trực tiếp đến hiệu suất của hệ thống HDFS.
* Đáp án D sai: Mặc dù RAM là quan trọng, nhưng chỉ có nhiều RAM hơn DataNode là không đủ. NameNode cần CPU mạnh, bộ nhớ nhanh, và ổ cứng có tốc độ đọc/ghi cao để xử lý metadata một cách hiệu quả.

Câu 2:

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

Lời giải:

Đáp án đúng: D

Câu hỏi này liên quan đến kiến trúc của Hadoop Distributed File System (HDFS). Trong HDFS, NameNode là trung tâm điều khiển, lưu trữ metadata của hệ thống tệp, bao gồm ánh xạ giữa các khối dữ liệu và các tệp tương ứng của chúng. DataNode lưu trữ các khối dữ liệu thực tế. Job Tracker và Task Tracker liên quan đến MapReduce, một mô hình lập trình để xử lý song song các tập dữ liệu lớn.

* A. DataNode: Lưu trữ các khối dữ liệu thực tế, nhưng không lưu trữ ánh xạ giữa khối dữ liệu và tệp.
* B. Job Tracker: Điều phối các công việc MapReduce, không liên quan đến việc lưu trữ metadata của hệ thống tệp.
* C. Task Tracker: Thực thi các tác vụ do Job Tracker giao, không liên quan đến việc lưu trữ metadata của hệ thống tệp.
* D. NameNode: Lưu trữ metadata, bao gồm ánh xạ giữa các khối dữ liệu và các tệp tương ứng. Đây là đáp án đúng.

Vậy, đáp án đúng là D.

Câu 3:

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: