Sistemas de Big Data #1

¿Cuáles son las 4 V's que caracterizan al Big Data?. Volumen, Velocidad, Variedad y Veracidad. Volumen, Velocidad, Variabilidad y Virtualización. Volumen, Visibilidad, Variedad y Virtualización. Velocidad, Variedad, Valor y Virtualización.

¿Qué característica del Big Data se refiere a la calidad y confiabilidad de los datos?. Velocidad. Volumen. Variedad. Veracidad.

¿Cuál de las siguientes es una fuente común de Big Data?. Bases de datos pequeñas. Hojas de cálculo locales. Archivos de texto simples. Redes Sociales e IoT.

¿Qué representa aproximadamente los datos no estructurados del total de datos empresariales?. 40%. 50%. Más del 80%. 20%.

¿Qué tecnología es un framework de código abierto para almacenamiento y procesamiento distribuido?. SQL Server. MySQL. Hadoop. Oracle.

Apache Kafka es una herramienta comúnmente utilizada para: Procesamiento de streams en tiempo real. Almacenamiento tradicional. Bases de datos relacionales. Edición de imágenes.

¿Qué tipo de procesamiento es ideal para datos históricos con alta latencia?. Procesamiento por Lotes (Batch). Procesamiento instantáneo. Procesamiento en Tiempo Real. Procesamiento híbrido.

¿Cuál es una característica del procesamiento en tiempo real?. Baja latencia. Alta latencia. Procesamiento anual. Procesamiento mensual.

¿Qué formato de datos es recomendado para almacenamiento y procesamiento eficiente en Big Data?. TXT. DOC. HTML. Parquet o Avro.

La ingesta por lotes (Batch Ingestion) se caracteriza por: Procesamiento en milisegundos. Procesamiento aleatorio. Procesamiento inmediato. Procesamiento de grandes volúmenes en intervalos programados.

¿Qué herramienta se utiliza para la orquestación de workflows en Big Data?. Apache Airflow. Photoshop. Excel. Microsoft Word.

Apache Spark es un motor de procesamiento que puede manejar: Procesamiento por lotes, tiempo real y aprendizaje automático. Solo bases de datos relacionales. Solo tiempo real. Solo procesamiento por lotes.

¿Cuál es un componente clave de un sistema de ingesta de datos?. Monitor. Buffer o Cola de Mensajes. Teclado físico. Ratón.

¿Qué tipo de datos incluyen texto, imágenes y videos sin formato predefinido?. Datos binarios simples. Datos relacionales. Datos no estructurados. Datos estructurados.

¿Cuál de las siguientes NO es una capa de una arquitectura tradicional de tres niveles?. Capa de Aplicación. Capa de Datos. Capa de Presentación. Capa de Redes Sociales.

En la Arquitectura Lambda, ¿cuáles son sus tres capas principales?. Cliente, Servidor y Base de Datos. Capa de Batch, Capa de Velocidad y Capa de Servicio. Presentación, Lógica y Datos. Entrada, Proceso y Salida.

¿Cuál es la principal diferencia entre Lambda y Kappa en cuanto a infraestructura?. Lambda usa solo batch, Kappa usa solo streaming. Lambda tiene infraestructura dual, Kappa tiene infraestructura unificada. Lambda es más simple que Kappa. No hay diferencias significativas.

¿Qué desventaja tiene la Arquitectura Kappa respecto al reprocesamiento de datos históricos?. Procesamiento anual. No permite reprocesamiento. Requiere reiniciar el stream desde el principio. Es demasiado rápida.

¿Qué característica NO corresponde a la ingesta micro-batch?. Más fácil de implementar que streaming puro. Procesamiento instantáneo sin ningún intervalo. Balance entre eficiencia y velocidad. Procesa pequeños lotes en intervalos cortos.

Una empresa de telecomunicaciones necesita procesar datos de millones de dispositivos IoT. Según el caso de estudio presentado, ¿qué combinación de tecnologías implementaron para el monitoreo de redes IoT en tiempo real y el almacenamiento histórico eficiente?. Apache Flink para procesamiento en tiempo real, InfluxDB para series temporales a corto plazo, y Data Lake basado en Hadoop para históricos. Apache Kafka para streaming, MongoDB para almacenamiento. MySQL para tiempo real, Oracle para históricos. Apache Spark para todo, sin distinción de almacenamiento.