נתוני עתק - חזרה על החומר

מהו עקרון ה-WORM (Write Once Read Many) ב-HDFS?

1

שאלה #163772

		הנתונים נמחקים מיד לאחר קריאה ראשונית
		ניתן לבצע כתיבה אחת לנתונים ואז לקרוא אותם פעמים רבות
		כל כתיבה למסד הנתונים גורמת לקריאה אוטומטית
		הנתונים מתעדכנים בזמן אמת ללא צורך באחסון היסטורי

הרצאות 9-11 - בשל אופיו של HDFS, ניתן לבצע כתיבה ראשונית, אך לא לעדכן נתונים קיימים.

מיין לפי

Noam Tarshish 0 נקודות · לפני 3 שבועות

מוניטין: 40

הרצאות 9-11 - בשל אופיו של HDFS, ניתן לבצע כתיבה ראשונית, אך לא לעדכן נתונים קיימים.

מהו התפקיד של NameNode ב-HDFS?

1

שאלה #163773

		לאחסן ולנהל את ה-Mappers וה-Reducers
		להחזיק מידע על מיקום הנתונים בכל ה-DataNodes
		לבצע חישובים מורכבים על הנתונים המבוזרים
		לספק גישה ישירה לכל הנתונים ללא צורך בתיווך

הרצאות 9-11 - ה-NameNode אינו מאחסן את הנתונים עצמם, אלא מנהל את המידע על מיקומם.

נערך לפני 3 שבועות

מיין לפי

Noam Tarshish 0 נקודות · לפני 3 שבועות

מוניטין: 40

הרצאות 9-11 - ה-NameNode אינו מאחסן את הנתונים עצמם, אלא מנהל את המידע על מיקומם.

מהו תפקיד ה-Secondary NameNode?

1

שאלה #163774

		משמש כגיבוי ל-NameNode במקרה של קריסה
		מנהל את כל המשימות ב-MapReduce
		משמש כשרת שמפיץ מחדש את המשימות ל-Workers
		מנהל את ההקצאות של ה-Mappers לנתונים ב-HDFS

הרצאות 9-11 - ה-Secondary NameNode מתעד את מצב המערכת כדי למנוע Single Point of Failure.

מיין לפי

Noam Tarshish 0 נקודות · לפני 3 שבועות

מוניטין: 40

הרצאות 9-11 - ה-Secondary NameNode מתעד את מצב המערכת כדי למנוע Single Point of Failure.

כיצד MapReduce מבצע עיבוד של נתונים גדולים?

1

שאלה #163775

		מחלק את המשימה למספר רב של Mappers אשר מבצעים את שלב ה-Map
		מאגד את הנתונים באמצע התהליך בשלב של Shuffle and Sort
		משתמש ב-Reducers לצורך איחוד וסיכום התוצאות הסופיות
		כל התשובות נכונות

הרצאות 9-11 - MapReduce מבצע חישובים בצורה מקבילית, מחלק את המשימות, ומאחד תוצאות.

מיין לפי

Noam Tarshish 0 נקודות · לפני 3 שבועות

מוניטין: 40

הרצאות 9-11 - MapReduce מבצע חישובים בצורה מקבילית, מחלק את המשימות, ומאחד תוצאות.

מהי מטרת שלב ה-Shuffle and Sort ב-MapReduce?

1

שאלה #163776

		להפנות את התוצאות מה-Mappers אל ה-Reducers באופן אופטימלי
		למחוק נתונים ישנים לפני ביצוע החישובים החדשים
		לארגן מחדש את הנתונים כדי לצמצם את מספר ה-Reducers
		להמיר את הנתונים לפורמט המתאים לאחסון ב-HDFS

הרצאות 9-11 - שלב זה ממיין ומקבץ את הנתונים כך שכל Reducer יקבל את הקלט הרלוונטי.

מיין לפי

Noam Tarshish 0 נקודות · לפני 3 שבועות

מוניטין: 40

הרצאות 9-11 - שלב זה ממיין ומקבץ את הנתונים כך שכל Reducer יקבל את הקלט הרלוונטי.

מהו היתרון המרכזי של שימוש ב-Combiners ב-MapReduce?

1

שאלה #163777

		מאפשרים שמירת הנתונים ישירות ל-HDFS במקום לבצע עיבוד נוסף
		מחלקים מחדש את הנתונים בין ה-Reducers בצורה שווה
		מבטלים את הצורך בשימוש ב-Reducers לחלוטין
		מאפשרים צמצום כמות הנתונים המועברים מה-Mappers ל-Reducers

הרצאות 9-11 - ה-Combiner מבצע אגרגציה מוקדמת כדי לצמצם עומס על הרשת.

מיין לפי

Noam Tarshish 0 נקודות · לפני 3 שבועות

מוניטין: 40

הרצאות 9-11 - ה-Combiner מבצע אגרגציה מוקדמת כדי לצמצם עומס על הרשת.

כיצד אלגוריתם K-Means מזהה קבוצות בנתונים?

1

שאלה #163778

		משתמש באלגוריתם חיפוש גרפי כדי לאחד קבוצות דומות
		מחלק את הנתונים לפי מרחק אוקלידי מנקודת מרכז
		מחפש ערכים זהים במסד הנתונים ומקבץ אותם
		מתבצע באופן ידני על ידי המשתמש בכל איטרציה

הרצאות 9-11 - אלגוריתם K-Means מבצע קיבוץ לפי מרחק מנקודת מרכז ממוצעת.

מיין לפי

Noam Tarshish 0 נקודות · לפני 3 שבועות

מוניטין: 40

הרצאות 9-11 - אלגוריתם K-Means מבצע קיבוץ לפי מרחק מנקודת מרכז ממוצעת.

מהו החיסרון המרכזי של K-Means?

1

שאלה #163779

		מחייב שימוש ב-Reduce Join לכל חישוב מחדש
		רגיש מאוד לבחירת ערכי k ההתחלתיים
		לא ניתן להפעיל אותו ב-MapReduce
		לא ניתן להפעיל אותו על נתונים קטגוריים

הרצאות 9-11 - בחירה לא נכונה של k יכולה להוביל לחלוקה לא נכונה של הקבוצות.

מיין לפי

Noam Tarshish 0 נקודות · לפני 3 שבועות

מוניטין: 40

הרצאות 9-11 - בחירה לא נכונה של k יכולה להוביל לחלוקה לא נכונה של הקבוצות.

כיצד ניתן לבצע Parallelized K-Means באמצעות MapReduce?

1

שאלה #163780

		משתמש ב-Reducers לצורך חישוב מרכזים חדשים לכל קבוצה
		מפצל את הנתונים בין Mappers אשר מקצים כל נקודה למרכז הקרוב ביותר
		חוזר על התהליך עד להתכנסות של המרכזים
		כל התשובות נכונות

הרצאות 9-11 - האלגוריתם ניתן למימוש בצורה מבוזרת בעזרת MapReduce.

מיין לפי

Noam Tarshish 0 נקודות · לפני 3 שבועות

מוניטין: 40

הרצאות 9-11 - האלגוריתם ניתן למימוש בצורה מבוזרת בעזרת MapReduce.

כיצד פועל Modulo Hashing בהקצאת משאבים במסדי נתונים מבוזרים?

1

שאלה #163781

		מחלק את המזהה הנתון בגודל השרתים ובוחר את השרת לפי התוצאה
		מבצע חלוקה אקראית של הנתונים ללא חישוב מתמטי
		בוחר תמיד את השרת עם העומס הנמוך ביותר
		מחלק את הנתונים לשרתים על בסיס סדר הגעתם

הרצאות 9-11 - Modulo Hashing משתמש בפונקציה פשוטה שמבצעת מודולו על מספר השרתים, אך בעייתי כשמספר השרתים משתנה.

מיין לפי

Noam Tarshish 0 נקודות · לפני 3 שבועות

מוניטין: 40

הרצאות 9-11 - Modulo Hashing משתמש בפונקציה פשוטה שמבצעת מודולו על מספר השרתים, אך בעייתי כשמספר השרתים משתנה.

נתוני עתק - חזרה על החומר

Discuss, Learn and be Happy דיון בשאלות

מהו עקרון ה-WORM (Write Once Read Many) ב-HDFS?

מהו התפקיד של NameNode ב-HDFS?

מהו תפקיד ה-Secondary NameNode?

כיצד MapReduce מבצע עיבוד של נתונים גדולים?

מהי מטרת שלב ה-Shuffle and Sort ב-MapReduce?

מהו היתרון המרכזי של שימוש ב-Combiners ב-MapReduce?

כיצד אלגוריתם K-Means מזהה קבוצות בנתונים?

מהו החיסרון המרכזי של K-Means?

כיצד ניתן לבצע Parallelized K-Means באמצעות MapReduce?

כיצד פועל Modulo Hashing בהקצאת משאבים במסדי נתונים מבוזרים?

בקשה לשינוי התשובה / תיקון שאלה gavel

בקשה למחיקת השאלהmood_bad

בקשה לשינוי התשובה / תיקון שאלה

בקשה למחיקת השאלה