Flashcards : Hadoop et jointures MapReduce (10 cartes)

Toutes les cartes

1Question

Depuis quand la gestion du Big Data est-elle fortement contrainte par des limites matérielles ?

Réponse

Depuis le milieu des années 2000.

2Question

Comment le calcul distribué répond-il aux limites matérielles du Big Data ?

Réponse

Il répartit programmation et calculs entre plusieurs cœurs, des GPU ou des clusters de machines.

3Question

Qu’est-ce que Hadoop ?

Réponse

Une infrastructure open source pour l’informatique distribuée et le traitement de données à grande échelle.

4Question

Quelles étapes marquent l’évolution de Hadoop, de 2004 à 2014 ?

Réponse

Google publie MapReduce en 2004, Nutch en propose une version libre en 2005 et devient Hadoop en 2006 ; Hadoop trie 500 Go en une minute en 2009, puis Spark atteint en 2014 une vitesse trois fois supérieure avec dix fois moins de machines.

5Question

Que signifie HDFS et quel type de système est-ce ?

Réponse

Hadoop Distributed Filesystem, un système de gestion de fichiers distribué.

6Question

Quel rôle le NameNode joue-t-il dans un cluster HDFS ?

Réponse

Il maintient l’arborescence et les métadonnées des fichiers et répertoires.

7Question

Quelles fonctions le développeur spécifie-t-il dans le modèle MapReduce ?

Réponse

Une fonction map puis une fonction reduce.

8Question

Après Shuffle, quelles valeurs sont associées aux clés « pomme », « mangue », « orange » et « banane » ?

Réponse

« pomme » : [2, 1] ; « mangue » : [2] ; « orange » : [1, 1] ; « banane » : [1].

9Question

Pour utiliser MapReduce avec Hadoop, quelles étapes précèdent la prise en charge du reste par Hadoop ?

Réponse

Choisir un découpage parallélisable, définir la clé adaptée, puis écrire les programmes map et reduce.

10Question

Quel couple la fonction reduce produit-elle à partir d’une clé K2 et de ses valeurs ?

Réponse

Un couple (K2, V3).

Teste-toi avec le QCM

Teste tes connaissances avec un QCM de 10 questions sur Hadoop et jointures MapReduce.

1. À partir de quelle période la gestion du Big Data est-elle fortement contrainte par des limites matérielles ?

2. Une équipe doit accélérer un traitement de données trop lourd pour une seule unité de calcul. Quelle approche correspond au principe du calcul distribué ?

Faire le QCM →

Consultez la fiche

Révisez le cours complet dans la fiche de révision de Hadoop et jointures MapReduce.

Voir la fiche →

Cours similaires

Crée tes propres flashcards

Importe ton cours et l'IA génère des flashcards en 30 secondes.

Générateur de flashcards