Quiz: Introduction aux Systèmes Big Data — 12 perguntas

1. Quelles sont les principales causes ayant conduit à l’émergence du Big Data ?

A. La simplification des architectures informatiques traditionnelles

B. La réduction des coûts de stockage et de traitement des données

C. L’amélioration des protocoles de communication Internet

D. L’augmentation du volume de données à cause de l’IoT et des réseaux sociaux

Answer: (D)

Explicação

L’émergence du Big Data est principalement due à l’explosion des flux de données générés par l’IoT, les réseaux sociaux et la numérisation, nécessitant le développement de nouvelles infrastructures et technologies pour leur gestion.

2. Quel est le rôle de l'évolution historique des systèmes de gestion de données et d'Internet dans l'émergence du Big Data ?

A. Elle a réduit la quantité de données générées, facilitant leur gestion.

B. Elle a principalement contribué à la création de nouveaux langages de programmation.

C. Elle a permis la croissance exponentielle des volumes de données et le développement des technologies associées.

D. Elle a limité la diversification des sources de données, concentrant leur gestion sur quelques systèmes.

Answer: (C)

Explicação

L'évolution des systèmes de gestion de données depuis les années 1960, combinée à la démocratisation d'Internet dans les années 1990 et la formalisation des '3 V' dans les années 2000, a favorisé une croissance exponentielle des volumes de données et le développement de technologies spécifiques pour leur traitement, ce qui est au cœur de l'émergence du Big Data.

3. Comment une entreprise peut-elle gérer efficacement les flux massifs de données générés par ses objets connectés (IoT) ?

A. En utilisant des architectures Big Data distribuées comme Hadoop ou Spark pour le stockage et le traitement

B. En stockant toutes les données dans des bases relationnelles classiques pour un accès rapide

C. En supprimant les données non structurées pour réduire la quantité à traiter

D. En transférant les données vers des serveurs locaux pour éviter la latence

Answer: (A)

Explicação

L’utilisation d’architectures Big Data distribuées telles que Hadoop ou Spark est adaptée pour gérer efficacement les flux massifs de données issus de l’IoT, car elles permettent de stocker, traiter et analyser de grandes quantités de données hétérogènes et en flux continu. Les bases relationnelles classiques ne sont pas conçues pour ce volume et cette diversité, et le traitement en local ou la suppression de données non structurées ne répondent pas à l’objectif de gestion efficace.

4. En quoi deux types de données diffèrent-ils ou se ressemblent-ils ?

A. Les données semi-structurées sont plus difficiles à stocker que les données structurées

B. Les données structurées sont uniquement utilisées dans les bases relationnelles, tandis que les données semi-structurées ne le sont pas

C. Les données structurées ont un schéma fixe tandis que les non structurées n’en ont pas

D. Les données non structurées sont toujours de grande taille, contrairement aux données structurées

Answer: (C)

Explicação

Les données structurées ont un schéma fixe, facilitant leur stockage et leur interrogation dans des bases relationnelles, tandis que les données non structurées n’ont pas de format prédéfini, ce qui complique leur gestion et leur traitement.

5. Quand les limitations des architectures traditionnelles ont-elles été principalement reconnues face à l'explosion du Big Data ?

A. Dans les années 1960 avec l'apparition des premières bases de données

B. Au début des années 2000 avec la montée en puissance des systèmes distribués comme Hadoop

C. Après 2010 avec l'avènement de l'intelligence artificielle et du cloud computing

D. Dans les années 1980 avec la généralisation des micro-ordinateurs

Answer: (B)

Explicação

Les limitations des architectures traditionnelles ont été clairement identifiées au début des années 2000, avec l'émergence de technologies comme Hadoop, qui ont permis de surmonter les contraintes de stockage, de scalabilité et de traitement en temps réel que ne pouvaient pas gérer les systèmes classiques. Ces limitations ont été un catalyseur pour le développement de nouvelles architectures distribuées adaptées au Big Data.

6. Qu'est-ce qu'un système Big Data dans le contexte de la gestion des données massives ?

A. Un réseau de serveurs dédié uniquement au traitement en temps réel de données financières.

B. Un ensemble de technologies permettant de stocker, traiter et analyser des volumes de données très importants à grande vitesse, souvent via des architectures distribuées.

C. Une plateforme spécifique utilisée uniquement pour la sauvegarde de données non structurées sans traitement.

D. Un logiciel unique conçu pour stocker des petites quantités de données dans des bases relationnelles classiques.

Answer: (B)

Explicação

Un système Big Data désigne un ensemble de technologies et d'infrastructures conçues pour gérer, stocker, traiter et analyser de très grands volumes de données, souvent hétérogènes et à grande vitesse, en utilisant des architectures distribuées comme Hadoop ou Spark. Les autres options font référence à des cas limités ou incorrects, comme des bases relationnelles classiques ou des plateformes de sauvegarde sans traitement.

7. Quel est le principal V du Big Data qui caractérise la quantité de données générées et stockées ?

A. Valeur

B. Vitesse

C. Volume

D. Véracité

Answer: (C)

Explicação

Le 'Volume' est le V qui désigne la quantité massive de données générées et stockées dans le contexte du Big Data. Il est souvent exprimé en termes de zettaoctets ou autres unités de grande taille, reflétant l'ampleur des données traitées.

8. Parmi ces systèmes, lequel est spécifiquement conçu pour le traitement distribué de très grands volumes de données dans le cadre du Big Data ?

A. Hadoop

B. Elasticsearch

C. MySQL

D. Tableau

Answer: (A)

Explicação

Hadoop est un système open source basé sur une architecture de cluster, conçu pour le stockage distribué (HDFS) et le traitement parallèle de très grands volumes de données via MapReduce. Il est largement utilisé dans le traitement Big Data. Elasticsearch est un moteur de recherche, MySQL est une base relationnelle, et Tableau est un logiciel de visualisation, tous non spécifiquement conçus pour le traitement distribué massif dans le contexte Big Data.

9. Qui a formulé le concept fondamental de la théorie de l'information ?

A. Norbert Wiener

B. Alan Turing

C. John von Neumann

D. Claude Shannon

Answer: (D)

Explicação

Claude Shannon, considéré comme le père de la théorie de l'information, a publié en 1948 son article fondamental 'A Mathematical Theory of Communication', où il définit le concept de traitement de l'information, ses mesures et ses limites. Les autres figures mentionnées ont contribué à l'informatique ou à la cybernétique, mais ce n'est pas eux qui ont formulé la théorie de l'information.

10. Quelle est la conséquence de privilégier l’approche ELT dans une architecture Big Data ?

A. Elle impose un traitement en batch uniquement, ce qui ralentit la réaction en temps réel.

B. Elle facilite l’intégration de données variées en permettant une transformation après stockage, augmentant la flexibilité.

C. Elle garantit une qualité des données supérieure en transformant avant le stockage, mais réduit la vitesse d’analyse.

D. Elle limite la scalabilité en nécessitant une transformation préalable pour chaque source de données.

Answer: (B)

Explicação

L’approche ELT permet de charger rapidement des données brutes dans le stockage, puis de les transformer à la demande. Cela facilite l’intégration de données variées, notamment semi-structurées ou non structurées, offrant une grande flexibilité dans un environnement Big Data. Les autres options sont incorrectes : ELT ne limite pas la scalabilité, ne se limite pas au batch, et la transformation après stockage ne garantit pas nécessairement une meilleure qualité qu’avant.

11. Quel est le rôle principal du Datawarehouse par rapport au Datalake ?

A. Permettre une analyse rapide en organisant et structurant les données pour l’analyse

B. Offrir une plateforme pour le traitement en flux continu des données

C. Stocker des données dans leur format d’origine sans transformation préalable

D. Gérer uniquement les données non structurées telles que les images et vidéos

Answer: (A)

Explicação

Le Datawarehouse est conçu pour organiser, structurer et optimiser le stockage des données afin de faciliter leur analyse rapide, contrairement au Datalake qui stocke les données brutes dans leur format d’origine pour une utilisation flexible et exploratoire.

12. Dans un projet de gestion de flux de données massives, comment choisir entre l'architecture Lambda et l'architecture Kappa pour optimiser le traitement ?

A. Utiliser Lambda quand la gestion de données structurées est prioritaire, et Kappa pour des données non structurées.

B. Choisir Lambda pour traiter uniquement les données en mode batch, et Kappa pour traiter uniquement en temps réel.

C. Utiliser Lambda si l'on souhaite combiner analyse historique et en temps réel, et Kappa si l'on privilégie la simplicité du traitement en flux continu.

D. Opter pour Lambda si le traitement en flux seul est suffisant, et Kappa si une analyse historique détaillée est nécessaire.

Answer: (C)

Explicação

L'architecture Lambda est adaptée lorsque l'on souhaite traiter conjointement des données historiques et en temps réel en utilisant deux couches distinctes, tandis que Kappa se concentre uniquement sur le traitement en flux continu pour simplifier et réduire la maintenance. La réponse 0 reflète cette utilisation pratique.