Đâu không phải là RDBMS?

Hadoop được thiết kế để xử lý nhiều loại dữ liệu khác nhau, bao gồm:

* Dữ liệu có cấu trúc (Structured): Dữ liệu này thường được tổ chức trong các bảng với các cột và hàng rõ ràng, ví dụ như dữ liệu trong các cơ sở dữ liệu quan hệ.
* Dữ liệu bán cấu trúc (Semi-structured): Dữ liệu này không tuân theo một lược đồ cố định như dữ liệu có cấu trúc, nhưng vẫn có một số cấu trúc nhất định, ví dụ như dữ liệu JSON hoặc XML.
* Dữ liệu không có cấu trúc (Unstructured): Dữ liệu này không có cấu trúc rõ ràng nào cả, ví dụ như văn bản, hình ảnh, âm thanh, video.

Vì Hadoop có thể xử lý tất cả các loại dữ liệu trên, đáp án đúng là "All of the above (Tất cả những điều trên)".

MapReduce là một mô hình lập trình và triển khai phần mềm được phát triển bởi Google để xử lý các tập dữ liệu lớn trên các cụm máy tính. Mô hình này cho phép phân chia công việc thành các tác vụ nhỏ hơn và thực hiện song song trên nhiều máy tính, giúp tăng tốc độ xử lý dữ liệu.

Do đó, đáp án đúng là B. Google.

Các tệp HDFS (Hadoop Distributed File System) được thiết kế để lưu trữ và xử lý các tệp dữ liệu lớn. Do đó, chúng được tối ưu hóa cho việc ghi một lần và sau đó đọc nhiều lần. Việc sửa đổi ngẫu nhiên trên các tệp này không được hỗ trợ hiệu quả.

* Phương án A: Sai. HDFS không được thiết kế cho việc nhiều người cùng viết và sửa đổi tệp tùy ý. Điều này sẽ gây ra các vấn đề về đồng bộ và nhất quán dữ liệu.
* Phương án B: Sai. Mặc dù HDFS hỗ trợ việc thêm dữ liệu vào cuối tệp, nhưng đây không phải là mục đích thiết kế chính của nó.
* Phương án C: Đúng. HDFS được thiết kế chủ yếu cho việc ghi dữ liệu một lần và sau đó đọc nhiều lần. Điều này phù hợp với các ứng dụng xử lý dữ liệu hàng loạt, nơi dữ liệu thường được ghi một lần và sau đó được phân tích nhiều lần.
* Phương án D: Sai. HDFS không được thiết kế để truy cập dữ liệu có độ trễ thấp. Nó được tối ưu hóa cho việc xử lý dữ liệu lớn, ngay cả khi việc truy cập có độ trễ cao hơn.

Vì vậy, đáp án chính xác là C. Chỉ ghi thành tệp một lần.