Một công việc đang chạy trong Hadoop:

SparkML (Spark Machine Learning) là một thư viện trong Apache Spark cung cấp các công cụ để xây dựng và triển khai các mô hình học máy (Machine Learning) trên quy mô lớn.

• Phương án A: Chạy MapReduce không phải là mục đích chính của SparkML. SparkML được xây dựng trên nền tảng Spark, có thể sử dụng các chức năng của Spark để xử lý dữ liệu, nhưng nó tập trung vào các thuật toán học máy hơn là MapReduce.
• Phương án B: Chạy các thuật toán dự đoán là một trong những mục đích chính của SparkML. SparkML cung cấp nhiều thuật toán học máy khác nhau để giải quyết các bài toán dự đoán, phân loại, hồi quy, và các bài toán học máy khác.
• Phương án C: Tính toán phân tán là một đặc điểm của Spark nói chung, chứ không riêng gì SparkML. SparkML tận dụng khả năng tính toán phân tán của Spark để xử lý dữ liệu lớn và huấn luyện mô hình học máy trên quy mô lớn.
• Phương án D: Cả b và c. Vì SparkML dùng để chạy các thuật toán dự đoán (b) và có khả năng tính toán phân tán (c) thừa hưởng từ Spark, nên đây là đáp án chính xác nhất.

Tham số dfs.datanode.du.reserved được cấu hình trong tệp hdfs-site.xml. Tham số này chỉ định dung lượng đĩa tối thiểu (tính bằng byte) phải được giữ lại trên mỗi ổ đĩa cục bộ cho các mục đích không phải HDFS. Điều này giúp ngăn DataNode sử dụng hết toàn bộ dung lượng đĩa, đảm bảo hệ thống có đủ tài nguyên để hoạt động ổn định.