QCM : Introduction aux Systèmes Big Data — 12 questions

Explication

L’émergence du Big Data est principalement due à l’explosion des flux de données générés par l’IoT, les réseaux sociaux et la numérisation, nécessitant le développement de nouvelles infrastructures et technologies pour leur gestion.

Explication

L'évolution des systèmes de gestion de données depuis les années 1960, combinée à la démocratisation d'Internet dans les années 1990 et la formalisation des '3 V' dans les années 2000, a favorisé une croissance exponentielle des volumes de données et le développement de technologies spécifiques pour leur traitement, ce qui est au cœur de l'émergence du Big Data.

Explication

L’utilisation d’architectures Big Data distribuées telles que Hadoop ou Spark est adaptée pour gérer efficacement les flux massifs de données issus de l’IoT, car elles permettent de stocker, traiter et analyser de grandes quantités de données hétérogènes et en flux continu. Les bases relationnelles classiques ne sont pas conçues pour ce volume et cette diversité, et le traitement en local ou la suppression de données non structurées ne répondent pas à l’objectif de gestion efficace.

Explication

Les données structurées ont un schéma fixe, facilitant leur stockage et leur interrogation dans des bases relationnelles, tandis que les données non structurées n’ont pas de format prédéfini, ce qui complique leur gestion et leur traitement.

Explication

Les limitations des architectures traditionnelles ont été clairement identifiées au début des années 2000, avec l'émergence de technologies comme Hadoop, qui ont permis de surmonter les contraintes de stockage, de scalabilité et de traitement en temps réel que ne pouvaient pas gérer les systèmes classiques. Ces limitations ont été un catalyseur pour le développement de nouvelles architectures distribuées adaptées au Big Data.

Explication

Un système Big Data désigne un ensemble de technologies et d'infrastructures conçues pour gérer, stocker, traiter et analyser de très grands volumes de données, souvent hétérogènes et à grande vitesse, en utilisant des architectures distribuées comme Hadoop ou Spark. Les autres options font référence à des cas limités ou incorrects, comme des bases relationnelles classiques ou des plateformes de sauvegarde sans traitement.

Explication

Le 'Volume' est le V qui désigne la quantité massive de données générées et stockées dans le contexte du Big Data. Il est souvent exprimé en termes de zettaoctets ou autres unités de grande taille, reflétant l'ampleur des données traitées.

Explication

Hadoop est un système open source basé sur une architecture de cluster, conçu pour le stockage distribué (HDFS) et le traitement parallèle de très grands volumes de données via MapReduce. Il est largement utilisé dans le traitement Big Data. Elasticsearch est un moteur de recherche, MySQL est une base relationnelle, et Tableau est un logiciel de visualisation, tous non spécifiquement conçus pour le traitement distribué massif dans le contexte Big Data.

Explication

Claude Shannon, considéré comme le père de la théorie de l'information, a publié en 1948 son article fondamental 'A Mathematical Theory of Communication', où il définit le concept de traitement de l'information, ses mesures et ses limites. Les autres figures mentionnées ont contribué à l'informatique ou à la cybernétique, mais ce n'est pas eux qui ont formulé la théorie de l'information.

Explication

L’approche ELT permet de charger rapidement des données brutes dans le stockage, puis de les transformer à la demande. Cela facilite l’intégration de données variées, notamment semi-structurées ou non structurées, offrant une grande flexibilité dans un environnement Big Data. Les autres options sont incorrectes : ELT ne limite pas la scalabilité, ne se limite pas au batch, et la transformation après stockage ne garantit pas nécessairement une meilleure qualité qu’avant.

Explication

Le Datawarehouse est conçu pour organiser, structurer et optimiser le stockage des données afin de faciliter leur analyse rapide, contrairement au Datalake qui stocke les données brutes dans leur format d’origine pour une utilisation flexible et exploratoire.

Explication

L'architecture Lambda est adaptée lorsque l'on souhaite traiter conjointement des données historiques et en temps réel en utilisant deux couches distinctes, tandis que Kappa se concentre uniquement sur le traitement en flux continu pour simplifier et réduire la maintenance. La réponse 0 reflète cette utilisation pratique.