Trong hệ thống HDFS với kích thước khối 64MB, chúng tôi lưu trữ một tệp nhỏ hơn 64MB. Điều nào sau đây là đúng?

So với RDBMS, Hadoop hoạt động tốt hơn trên dữ liệu phi cấu trúc và bán cấu trúc. RDBMS (Relational Database Management System) được thiết kế để quản lý dữ liệu có cấu trúc, trong khi Hadoop được thiết kế để xử lý dữ liệu lớn, đa dạng, bao gồm cả dữ liệu phi cấu trúc và bán cấu trúc như văn bản, hình ảnh, video, log files,...

Khi đọc và ghi dữ liệu song song từ nhiều đĩa, vấn đề chính gặp phải không phải là tốc độ xử lý dữ liệu (A), hay việc kết hợp dữ liệu (B), mà là chi phí phần cứng (D). Để thực hiện việc đọc/ghi song song hiệu quả, cần có hệ thống lưu trữ đủ mạnh, băng thông đủ lớn, và có thể cần các giải pháp RAID phức tạp, điều này dẫn đến chi phí phần cứng tăng lên đáng kể. Mặc dù phần mềm cũng có thể đóng vai trò quan trọng, nhưng chi phí phần cứng thường là yếu tố then chốt và đáng kể hơn (C).

HDFS (Hadoop Distributed File System) có thể được truy cập qua HTTP bằng cách sử dụng lược đồ URI webhdfs. Lược đồ này cho phép các ứng dụng và công cụ giao tiếp với HDFS thông qua giao thức HTTP, giúp việc truy cập và quản lý dữ liệu trên HDFS trở nên linh hoạt hơn, đặc biệt là trong các môi trường mà các giao thức truy cập trực tiếp (ví dụ: giao thức HDFS gốc) bị hạn chế.

- viewfs là một hệ thống tệp ảo cho phép bạn tạo nhiều namespace HDFS trên một cụm duy nhất. Nó không liên quan trực tiếp đến việc truy cập HDFS qua HTTP.

- wasb là trình điều khiển hệ thống tệp cho Azure Blob Storage, cho phép Hadoop truy cập dữ liệu được lưu trữ trong Azure Blob Storage. Nó không liên quan đến việc truy cập HDFS.

- HDFS không sử dụng giao thức FTP.

Trong Hadoop, khi một máy khách (client) muốn đọc dữ liệu từ HDFS (Hadoop Distributed File System), quá trình diễn ra như sau:

1. Máy khách liên hệ với NameNode: Đầu tiên, máy khách giao tiếp với NameNode để yêu cầu siêu dữ liệu (metadata) của tệp cần đọc. Siêu dữ liệu này bao gồm thông tin về các khối (blocks) tạo nên tệp và vị trí của các khối này trên các DataNode.


2. NameNode cung cấp thông tin vị trí khối: NameNode trả về danh sách các DataNode lưu trữ các khối dữ liệu mà máy khách cần.


3. Máy khách liên hệ trực tiếp với DataNode: Máy khách sau đó liên hệ trực tiếp với các DataNode được chỉ định để lấy dữ liệu khối. Quá trình truyền dữ liệu diễn ra trực tiếp từ DataNode đến máy khách, không thông qua NameNode.

Dựa vào quy trình này, ta có thể thấy:

• Đáp án A không đúng vì máy khách không lấy dữ liệu trực tiếp từ NameNode. NameNode chỉ cung cấp thông tin vị trí khối.


• Đáp án B không đúng vì máy khách không lấy vị trí khối từ DataNode. Vị trí khối được lấy từ NameNode.


• Đáp án C không đúng vì máy khách không chỉ lấy các vị trí khối từ NameNode mà còn lấy dữ liệu từ DataNode.


• Đáp án D không đúng vì máy khách không lấy cả dữ liệu và vị trí khối từ NameNode. Dữ liệu được lấy từ DataNode, còn vị trí khối được lấy từ NameNode.

Như vậy, không có đáp án nào hoàn toàn chính xác. Tuy nhiên, đáp án gần đúng nhất là C. chỉ lấy các vị trí khối tạo thành NameNode, vì đây là một phần quan trọng của quy trình đọc dữ liệu. Mặc dù không đầy đủ, nó phản ánh một bước thiết yếu trong quá trình này. Để hoàn thiện, cần thêm bước máy khách sẽ đọc dữ liệu trực tiếp từ DataNode dựa trên thông tin vị trí nhận được từ NameNode.