QCM sur Big Data corrigé – Principes de base – Partie 4

avril 9, 2025avril 9, 2025 Thomas Aucun commentaire

Questions d’Entretien sur Big Data avec des réponses pour la préparation des entretiens d’embauche, tests en ligne, examens et certifications. Ces questions et réponses sur Big Data comprennent divers sujets tel que les principes de base du Big Data, Hadoop, l’écosystème et ses composants, l’analyse, Hypervisor, etc… Et sont tirés d’un vrai entretien écrit et certaines parties sont en direct. Cette méthode d’apprentissage systématique préparera facilement toute personne pour réussir son test sur Big Data.

1. Lequel des éléments suivants est un exemple de « données non structurées » dans le contexte du Big Data ?

A Tableurs Excel

B Bases de données SQL

C Vidéos et images

D Tableaux de bord de reporting

Les données non structurées incluent des informations qui ne sont pas organisées de manière prédéfinie, comme les vidéos, les images, les e-mails ou les publications sur les réseaux sociaux. Elles contrastent avec les données structurées, qui suivent un modèle défini (par exemple, une table SQL).

2. Quel est l’objectif principal de l’analyse des données Big Data ?

A Stocker les données de manière plus efficace

B Apprendre à prédire des comportements ou des tendances à partir des données

C Simplifier la visualisation des données

D Augmenter la capacité de stockage

L’analyse des données Big Data permet de dégager des informations utiles, comme des tendances ou des comportements. Cela peut aider à prendre des décisions plus informées, à prédire des événements futurs, ou à améliorer des processus commerciaux.

3. Quel est l’avantage principal des systèmes NoSQL par rapport aux bases de données relationnelles traditionnelles pour le Big Data ?

A Ils sont plus rapides à installer

B Ils ne nécessitent pas de gestion des transactions

C Ils offrent une meilleure sécurité

D Ils peuvent traiter des données non structurées

Les systèmes NoSQL sont conçus pour gérer des données non structurées et semi-structurées (comme des documents, des graphes, ou des paires clé-valeur). Cela les rend plus adaptés aux applications Big Data qui impliquent des données variées et souvent non structurées.

4. Quel est l’outil principal de stockage dans l’écosystème Hadoop ?

A MapReduce

B HBase

C HDFS

D Hive

HDFS (Hadoop Distributed File System) est le système de fichiers distribués qui permet de stocker de manière fiable de grandes quantités de données dans l’écosystème Hadoop. HBase est une base de données NoSQL qui fonctionne au-dessus de HDFS, tandis que Hive est un moteur de requêtes SQL utilisé sur Hadoop.

5. Lequel des outils suivants est utilisé pour l’analyse en temps réel dans le Big Data ?

A Hadoop

B Spark

C Hive

D Pig

Apache Spark est un moteur de traitement de données qui permet des analyses en temps réel, contrairement à Hadoop qui est plus adapté pour des traitements par lots. Spark offre une rapidité et une flexibilité accrues pour le traitement de données en temps réel.

6. Qu’est-ce qu’une « data lake » dans le contexte du Big Data ?

A Un système de stockage de données structurées uniquement

B Une solution permettant de stocker des données dans leur format brut, structurées ou non

C Un outil d’analyse en temps réel des données

D Une base de données relationnelle

Une « data lake » est un système de stockage qui permet de stocker de grandes quantités de données sous leur forme brute. Cela inclut des données structurées, semi-structurées ou non structurées. Contrairement à un Data Warehouse, qui organise et structure les données, une data lake conserve les données dans leur état brut, ce qui permet de les traiter et d’effectuer des analyses plus flexibles.

7. Quel est l’objectif principal de MapReduce dans l’écosystème Hadoop ?

A Gérer le stockage des données sur plusieurs serveurs

B Créer des tableaux de bord interactifs

C Sécuriser les données

D Répartir des tâches de traitement sur de multiples machines en parallèle

MapReduce est un modèle de programmation utilisé dans Hadoop pour diviser une tâche en sous-tâches plus petites, qui sont ensuite traitées en parallèle sur plusieurs machines. Cela permet de traiter efficacement de très grandes quantités de données en réduisant le temps de traitement global.

8. Quelle technologie est souvent utilisée pour effectuer des requêtes SQL sur des données stockées dans Hadoop ?

A Pig

B Hive

C HBase

D Cassandra

Hive est un outil dans l’écosystème Hadoop qui permet d’effectuer des requêtes SQL-like sur des données stockées dans Hadoop. Cela simplifie l’analyse des données en offrant une interface de type SQL pour interagir avec les grandes quantités de données présentes dans HDFS.

9. Lequel des éléments suivants est un exemple de données « semi-structurées » ?

A Données dans une base de données relationnelle

B Données sous forme de texte libre dans un document

C Fichiers XML ou JSON

D Données dans une feuille de calcul Excel

Les données semi-structurées ne sont pas totalement organisées dans un format rigide comme les données structurées, mais elles possèdent tout de même une certaine organisation. Les fichiers XML et JSON sont des exemples classiques de données semi-structurées car ils ont une structure identifiable, mais cette structure peut varier d’un fichier à l’autre.

10. Quelle est la différence principale entre Hadoop et Spark ?

A Hadoop est un système de stockage, tandis que Spark est un système de traitement de données

B Hadoop traite des données en temps réel, tandis que Spark traite des données par lots

C Hadoop utilise MapReduce, tandis que Spark permet des traitements plus rapides et plus flexibles

D Spark est utilisé pour le stockage, tandis que Hadoop est un outil d’analyse

Hadoop utilise le modèle de programmation MapReduce pour traiter les données en parallèle, ce qui peut être relativement lent pour certaines applications. Spark, en revanche, est conçu pour effectuer des traitements plus rapides et flexibles en mémoire, et il est souvent utilisé pour des traitements en temps réel et pour des analyses interactives.

QCMs qui pourraient vous intéresser :

1. Lequel des éléments suivants est un exemple de « données non structurées » dans le contexte du Big Data ?

2. Quel est l’objectif principal de l’analyse des données Big Data ?

3. Quel est l’avantage principal des systèmes NoSQL par rapport aux bases de données relationnelles traditionnelles pour le Big Data ?

4. Quel est l’outil principal de stockage dans l’écosystème Hadoop ?

5. Lequel des outils suivants est utilisé pour l’analyse en temps réel dans le Big Data ?

6. Qu’est-ce qu’une « data lake » dans le contexte du Big Data ?

7. Quel est l’objectif principal de MapReduce dans l’écosystème Hadoop ?

8. Quelle technologie est souvent utilisée pour effectuer des requêtes SQL sur des données stockées dans Hadoop ?

9. Lequel des éléments suivants est un exemple de données « semi-structurées » ?

10. Quelle est la différence principale entre Hadoop et Spark ?

Vous pourrez aussi aimer

QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 17

QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 1

QCM sur Big Data corrigé – Hadoop, Spark, Hive, HDFS – Partie 7

Laisser un commentaire Annuler la réponse