PREGUNTAS -SPARKCORE -SESION3 - PARTE 1

¿Qué es Apache Spark?

• a. Un sistema de gestión de bases de datos relacionales unit catalog.

• b. Un framework para el procesamiento de datos distribuido y en Ram.

• c. Una herramienta de visualización de datos, usando databricks

• d. Un lenguaje de programación llamado pypsark.

¿Qué representa un RDD en Apache Spark?

• a. Remote Data Delivery.

• b. Resilient Distributed Dataset.

• c. Relational Data Driver.

• d. Rapid Data Deployment.

¿Cuál es uno de los principales componentes de Apache Spark?

• a. Spark Graphql.

• b. Spark SQL.

• c. Spark Database

• d. Spark Analytics.

¿En Apache Spark, qué facilita Spark SQL?

• a. Gestión de bases de datos NoSQL mediante dataframes

• b. Visualización avanzada de datos usando rrds.

• c. Procesamiento de consultas SQL mediante DataFrames.

• d. Conectividad en tiempo real con fuentes de datos externas usando sql streaming.

¿Cuál es la función del Driver en Apache Spark?

• a. Ejecutar tareas de computación y almacenar datos.

• b. Coordinar el proceso de ejecución de la aplicación y centralizar los resultados.

• c. Conectar con fuentes de datos externas y bases de datos.

• d. Optimizar las consultas SQL para una ejecución eficiente.

¿Qué son los Executors en Apache Spark?

• a. Componentes que gestionan la conectividad de red y la comunicación.

• b. Entidades que ejecutan tareas asignadas por el Driver y almacenan datos.

• c. Herramientas para el análisis y procesamiento de consultas SQL.

• d. Algoritmos para la optimización de la distribución de datos.

En los conceptos de Spark Core, ¿qué es un RDD?

• a. Una base de datos distribuida y resiliente.

• b. Un conjunto de herramientas para la optimización de consultas.

• c. Un conjunto de datos distribuido y tolerante a fallos.

• d. Un sistema para el procesamiento de transacciones en tiempo real.

¿Qué son las particiones en el contexto de Apache Spark?

• a. Fragmentos de datos procesados en paralelo en diferentes nodos del cluster.

• b. Conexiones de red entre diferentes nodos del cluster.

• c. Segmentos de código ejecutados por el Spark Driver.

• d. Configuraciones del sistema operativo en los nodos del cluster.

En Spark, ¿cómo afecta el número de particiones al rendimiento del procesamiento de un job de spark?

• a. No tiene impacto en el rendimiento.

• b. Un mayor número de particiones siempre mejora el rendimiento.

• c. El número óptimo de particiones maximiza la utilización de los cores disponibles y puede mejorar el rendimiento.

• d. Un menor número de particiones siempre es mejor para el rendimiento.

¿Cómo determina Apache Spark el número de particiones para un RDD?

• a. Basándose en el tamaño del archivo de datos de entrada.

• b. El número es fijo y no se puede cambiar.

• c. Depende exclusivamente de la configuración del usuario.

• d. Se determina automáticamente basándose en el tamaño de los datos y la configuración del cluster.