Big Data - Hadoop

¿Cuál de estos NO es un comando de vagrant?

¿Podría ser ésta una definición de big data? En términos generales podríamos referirnos como a la tendencia en el avance de la tecnología que ha abierto las puertas hacia un nuevo enfoque de entendimiento y toma de decisiones, la cual es utilizada para describir enormes cantidades de datos (estructurados, no estructurados y semi estructurados) que tomaría demasiado tiempo y sería muy costoso cargarlos a un base de datos relacional para su análisis.

Hadoop está compuesto de tres piezas: [blank_start]Hadoop Distributed File System (HDFS)[blank_end], [blank_start]Hadoop MapReduce[blank_end] y [blank_start]Hadoop[blank_end] Common.

¿Qué factores (demonios) manejan el funcionamiento de Hadoop?

Es el nodo máster encargado de gestionar el namespace del sistema de ficheros. También se encarga del mantenimiento de los metadata de todos los ficheros y directorios que forman parte del sistema HDFS.

Las posibles implementaciones de Hadoop son: [blank_start]Local[blank_end], [blank_start]Pseudo-Distribuído[blank_end] y [blank_start]Distribuído[blank_end]

Los formatos de entrada y salida de Hadoop (input/output formats) son totalmente diferentes en cuanto a tipos de datos disponibles

¿Cuál es el formato por defecto que toma el MapReduce?

¿Qué valores puede tomar el nombre del archivo de salida del proceso MapReduce?

Las tres clases básicas para programar un MapReduce en Java con Hadoop son: [blank_start]Driver[blank_end], [blank_start]Mapper[blank_end] y [blank_start]Reducer[blank_end]

El comando $ hadoop fs nos muestra el contenido del HDFS

Para estrategias de loggin en Hadoop, es recomendable utilizar println

La herramienta Sqoop nos sirve para:

[blank_start]Oozie[blank_end] es un sistema de coordinación o flujo de trabajo que administra trabajos de Hadoop.

Entre las herramientas creadas por Facebook para Hadoop tenemos a [blank_start]Presto[blank_end] y [blank_start]Hive[blank_end], mientras que [blank_start]Cloudera[blank_end] nos ofrece Impala

Los componentes de un cluster de Storm son:

[blank_start]Storm[blank_end] está orientado al procesamiento de data en tiempo real a diferencia de [blank_start]Spark y Hadoop[blank_end]