Big Data Aplicado Tema 3

¿Cuál de las siguientes funcionalidades no es ofrecida por Apache Spark?: Computación en paralelo de procesos de transformación de datos. Algoritmos y utilidades para manejar datos como grafos. Interfaz para interactuar con programas escritos en R. Una base de datos NoSQL.

HBase ofrece un interfaz de consultas parecido a SQL, llamado HQL. ¿Verdadero o falso?. Verdadero. Falso.

¿Cuál es la sentencia de Hive con la que se crea una nueva tabla?: NEW TABLE. MAKE TABLE. CREATE TABLE. INSERT.

Hive requiere dar una estructura a los ficheros de HDFS antes de poder hacer consultas sobre ellos. ¿Verdadero o falso?. Verdadero. Falso.

¿Cómo se llama el componente que ofrece, desde una web, acceso a los ficheros de HDFS y poder lanzar consultas Hive?. Impala. Hive. Spark. Hue.

Apache Spark tiene una latencia mayor que Apache Flink como norma general para procesamiento en tiempo real. ¿Verdadero o falso?. Verdadero. Falso.

¿Cómo se llama la principal abstracción de datos de Apache Spark: Dataframe. Dataset. File. RDD.

Apache Spark es una tecnología que sustituye a Hadoop. ¿Verdadero o falso?. Verdadero. Falso.

Si quiero parar un nodo de un clúster Hadoop porque está dando problemas, ¿qué herramienta podré utilizar?. Ambari. YARN. Oozie. Hue.

¿Cuál es la sentencia de Hive con la que añadimos un registro en una tabla dándole los valores de los campos en la misma sentencia?. ADD DATA. INSERT INTO. ADD INTO. LOAD DATA.

Para automatizar la ejecución de trabajos que se debe realizar en Hadoop, por ejemplo, para validar los datos ingestados, ¿qué componente se debe utilizar?. YARN. Zookeeper. Pig. Oozie.

¿Cuál es la sentencia de Hive con la que se borra una tabla?: DEL TABLE. DELETE TABLE. FORMAT TABLE. DROP TABLE.

Para ingestar datos que están en bases de datos relacionales, ¿qué componente de Hadoop se utiliza?. YARN. Sqoop. Flume. Pig.

Para ingestar datos que se generan en tiempo real, ¿qué componente de Hadoop se utiliza?. Flink. Flume. Storm. Spark.

Una partición de una tabla es un subconjunto de los registros de la tabla que comparten el valor de alguna columna en común. ¿Verdadero o falso?. Verdadero. Falso.

HBase es una base de datos NoSQL. ¿Verdadero o falso?. Verdadero. Falso.

Hive permite conectar Excel con ficheros que están en HDFS. ¿Verdadero o falso?. Verdadero. Falso.

De las siguientes herramientas, ¿cuál será la principal de trabajo de los data scientists para visualizar y explorar los datos de HDFS?. Zeppelin. Impala. Hive. Spark.

¿Qué componente del ecosistema Hadoop permite utilizar sintaxis SQL para manejar datos que están almacenado en HBase?. Storm. Phoenix. Pig. Oozie.

Apache Ambari se puede utilizar para instalar un clúster Hadoop, facilitando mucho esta labor. ¿Verdadero o falso?. Verdadero. Falso.

Apache Spark ofrece la capacidad de procesar datos en streaming. ¿Verdadero o falso?. Verdadero. Falso.

¿Cuál de las siguientes afirmaciones sobre Impala es correcta?. Permite importar datos de otras bases de datos relacionales. Permite administrar un clúster Hadoop. Permite acceder a los datos de HDFS como si fuera una tabla. Ninguna de las anteriores es correcta.

Apache Spark puede leer y procesar datos que se encuentran en una base de datos relacional. ¿Verdadero o falso?. Verdadero. Falso.

Apache Flink es una buena herramienta de procesamiento en tiempo real, pero tiene como principal inconveniente que no se puede ejecutar sobre YARN. ¿Verdadero o falso?. Verdadero. Falso.

¿Desde qué componente de Hadoop se puede enviar un email al administrador cuando una ingesta automática ha fallado?. Cloudera Manager. Oozie. Ambari. Spark.

Hive es escalable porque pueden añadirse más nodos HiveServer2 para que trabajen en paralelo, ejecutando una query en los diferentes HiveServer2. ¿Verdadero o falso?. Verdadero. Falso.

¿Qué componente del ecosistema Hadoop permite ver los ficheros de HDFS como si fueran tablas de una base de datos relacional?: YARN. Hive. Oozie. Ambari.

¿Cuál es la sentencia de Hive con la que modificamos los registros de una tabla?. MODIFY ROWS. UPDATE. SELECT. LOAD DATA.

¿Qué componente del ecosistema Hadoop fue el primero en aparecer para reducir la complejidad de los procesos MapReduce que se desarrollaban hasta entonces?: YARN. PIG. SPARK. HDFS.

Hive es una herramienta muy útil, pero tiene como aspecto negativo es que toda la seguridad la delega en los permisos de los ficheros de HDFS. ¿Verdadero o falso?. Verdadero. Falso.