CREAR TEST

TEST BORRADO, QUIZÁS LE INTERESE: SBD01 - Sistemas de Big Data

COMENTARIOS	ESTADÍSTICAS	RÉCORDS

REALIZAR TEST

Título del Test: SBD01 - Sistemas de Big Data Descripción: IABD - SBD Sistemas de Big Data Tema 1 Autor: Tomascao OTROS TESTS DEL AUTOR Fecha de Creación: 31/01/2025 Categoría: Matemáticas Número Preguntas: 20

COMPARTE EL TEST

Comentar

No hay ningún comentario sobre este test.

Temario:

La sabiduría se obtiene del conocimiento del mismo modo que los datos se obtienen de la información. Verdadero Falso. El acrónimo OLAP designa: Un sistema que está orientado a procesar consultas de tipo analítico en tiempo real. Un método para la generación de modelos predictivos. Una base de datos distribuída. Un sistema que está orientado a trabajo transaccional. Sólo para una de las siguientes estrategias de procesamiento se necesita tener mucho tiempo disponible para procesar los datos. En tiempo real. Transaccional. Streaming. Por lotes. De las siguientes, una no es una operación con datos que se consiga gracias a tecnologías Big Data: Aplicar técnicas de minería de datos para crear modelos predictivos con cantidades de datos que no caben en una única máquina. Almacenar los datos de un modo distribuido y replicado para conseguir una mayor disponibilidad de los mismo. Tratar los datos de forma distribuida empleando varias máquinas que trabajan en paralelo. Ser capaces de reproducir ficheros de audio o vídeo. Las metodologías y tecnologías Big Data surgen principalmente debido a: El hecho de tener que tratar con grandes cantidades de datos que desbordan los recursos de cualquier clúster de máquinas. El hecho de necesitar limpiar de ruido los datos que se reciben desde múltiples fuentes. El hecho de tener que tratar con grandes cantidades de datos que desbordan los recursos de máquinas indiviales. La necesidad de que los datos se almacenen replicados para evitar que se pierdan de forma accidental. Una de las siguientes no es una de las capas típicas de una arquitectura para Big Data: Capa de ingestión. Capa de visualización. Capa de almacenamiento. Capa de consolidación. Una de las siguientes afirmaciones es cierta: El procesamiento distribuido se realiza dentro de la misma máquina y en paralelo en varias máquinas. El procesamiento en paralelo se realiza dentro de la misma máquina y el distribuido en varias máquinas. Tanto el procesamiento en paralelo como distribuido se realizan dentro de la misma máquina. Tanto procesamiento en paralelo como distribuido se realizan en varias máquinas. Un clúster es: Una máquina lo suficientemente potente como para almacenar y procesar grandes cantidades de datos. Un conjunto de computadores que pueden seguir funcionando aunque no tengan conexión a red. Un conjunto de computadoras conectadas mediante red para trabajar como una única unidad. Un conjunto de computadoras que trabajan de forma independiente y están conectadas mediante red. El acrónimo OLTP designa: Un sistema que está orientado a transacciones. Un sistema de ficheros distribuido en los nodos de un clúster. Un sistema que está orientado a generación de modelos predictivos. Un sistema que está orientado a analítica descriptiva. La capa de colección en una arquitectura para Big Data es: Aquella en la que se gestiona el almacenamiento de los datos. Aquella en la que se determina para cada dato si va a ser utilizado o no para realizar analíticas. Aquella de la que se obtiene los datos para visualización. Aquella en la que se pasa de los datos que vienen de diversas fuentes a un conjunto de datos unificado y ya casi listo para ser usado. Una de las siguientes afirmaciones es cierta en relación a procesamiento paralelo de tareas: Si conseguimos paralelizar una tarea, la potencia equivalente de cómputo es la suma de las potencias de cada nodo del cluster. Cualquier tarea siempre tiene al menos una parte que puede ejecutarse en paralelo para ganar tiempo. Todas las tareas pueden paralelizarse para que se ejecuten más rápido usando varias máquinas. Algunas tareas no pueden paralelizarse para que se ejecuten más rápido usando varias máquinas. Una de las siguientes no es una de las ventajas clave que pueden conseguirse mediante el uso de clusters de máquinas: Menor consumo energético. Alto rendimiento. Escalabilidad. Alta disponibilidad. Las tecnologías de Big Data se complementan con otras disciplinas como la Minería de Datos para obtener valor de los datos. ¿Verdadero o falso? Verdadero Falso. De entre las 5 Vs que definen el reto de Big Data, la V de volumen tiene que ver con: La complejidad distribuir una enorme cantidad de datos en los distintos volúmenes o unidades de almacenamiento. El hecho de que en cada posible fichero de vídeo o audio el sonido puede haberse guardado a diferente volumen. El elevado volumen de espacio necesario para ubicar las máquinas que conforman un clúster lo suficientemente potente. La gran cantidad de bytes de datos que es necesario almacenar y tratar. Según el principio SCV: No podemos conseguir a la vez consistencia, aislamiento y tolerancia a particionamiento. Un sistema de procesamiento distribuído no puede tener a la vez características de velocidad, consistencia y volumen. No podemos almacenar datos a una velocidad más rápida de lo que se procesan. Un sistema de procesamiento distribuído puede tener a la vez características de velocidad, consistencia y volumen. Un almacén de datos está pensado para poder realizar funciones transaccionales. ¿Verdadero o falso? Verdadero Falso. Una de los siguientes es el orden de etapas desde que ocurren los eventos hasta que de ellos se genera valor: Eventos->Datos->Información->Conocimiento->Sabiduría->Valor Eventos->Datos->Información->Sabiduría->Conocimiento->Valor Eventos->Información->Datos->Conocimiento->Sabiduría->Valor Eventos->Datos->Conocimiento->Información->Sabiduría->Valor. Los sistemas para Big Data de hoy en día son capaces de trabajar con cantidades de datos de: Petabytes (PB) o incluso exabytes (EB). Cualquier cantidad de datos que nos podamos imaginar. Como máximo 1 terabyte (TB). Como máximo 1 petabyte (PB). El lenguaje comúnmente empleado para interactuar con bases de datos se llama: MySQL RDBMS XML. SQL. Según el teorma CAP: No podemos conseguir a la vez consistencia, aislamiento y tolerancia a particionamiento. Podemos conseguir a la vez consistencia, disponibilidad y tolerancia al particionamiento. La base de datos no puede almacenar más información que la suma del espacio de almacenamiento de sus nodos. No podemos conseguir a la vez consistencia, disponibilidad y tolerancia al particionamiento.

Denunciar Test