Tất cả câu hỏi

Đáp án đúng: "Redis". Redis là kho khoá giá trị (key-value store) chạy trong bộ nhớ: mỗi khoá là một chuỗi duy nhất, giá trị có thể là chuỗi, danh sách, tập hợp, hash hay sorted set, truy xuất trực tiếp theo khoá nên rất nhanh, thường dùng làm bộ đệm, lưu phiên đăng nhập hoặc hàng đợi. "MongoDB" là cơ sở dữ liệu hướng tài liệu, lưu tài liệu dạng BSON có cấu trúc lồng nhau và truy vấn được theo bất kỳ trường nào, không chỉ theo khoá. "MySQL" là hệ quản trị cơ sở dữ liệu quan hệ, tổ chức dữ liệu thành bảng có lược đồ cố định và truy vấn bằng SQL. "Hive" là kho dữ liệu trên Hadoop, đặt lược đồ bảng lên tệp trong HDFS và truy vấn bằng HiveQL.

Đáp án đúng: "The language specifies what data to obtain.". Ngôn ngữ truy vấn khai báo (declarative) như SQL hay Cypher chỉ yêu cầu người dùng mô tả kết quả muốn có, tức là lấy dữ liệu gì và thỏa điều kiện nào; còn cách thực hiện như chọn chỉ mục, thứ tự join, chiến lược duyệt là việc của bộ tối ưu truy vấn. Phương án "specifies both the process of how to obtain the data and specifies what data" sai vì một khi phải chỉ rõ cả quy trình thì ngôn ngữ không còn thuần khai báo. "The language specifies the process of how to obtain the data." mô tả ngôn ngữ thủ tục (procedural) như viết vòng lặp duyệt bản ghi trong Java hay chuỗi map, reduce viết tay, ngược với khai báo. Phương án "A language-specific declaration of data types to define the method of data retrieval." nhầm chữ khai báo theo nghĩa khai báo kiểu dữ liệu trong lập trình, không liên quan tới tính khai báo của truy vấn.

Đáp án đúng: "Refers_to". Web ngữ nghĩa (semantic web) mô tả tri thức bằng bộ ba chủ thể–vị từ–đối tượng như trong RDF: đỉnh là khái niệm, tài nguyên, thực thể, còn cạnh mang quan hệ ngữ nghĩa giữa chúng, chẳng hạn một tài nguyên refers_to (tham chiếu tới) một khái niệm hay tài nguyên khác, hoặc các quan hệ như is_a, part_of. "Likes" là cạnh điển hình của đồ thị mạng xã hội, ghi việc người dùng thích một bài viết, không phải quan hệ ngữ nghĩa giữa các khái niệm. "Mentions" cũng thuộc đồ thị mạng xã hội, như một bài đăng nhắc tới một tài khoản. "Shares" ghi hành động chia sẻ nội dung của người dùng, phục vụ phân tích lan truyền trên mạng xã hội chứ không mô tả nghĩa của tài nguyên.

Đáp án đúng: "Split". Theo dõi sự tiến hoá cộng đồng (community tracking) trên đồ thị theo thời gian thường phân biệt sáu sự kiện: birth, death, grow, contract, merge và split. Khi một công ty tách ra một start-up, một nhóm nhân sự vốn thuộc cộng đồng cũ tách thành cộng đồng riêng, nên một cộng đồng trở thành hai, đó là split. "Birth" là một cộng đồng mới xuất hiện mà không bắt nguồn từ cộng đồng có sẵn; start-up cũng mới nhưng được tách ra từ công ty mẹ. "Death" là cộng đồng tan biến hẳn, trong khi công ty mẹ vẫn tồn tại. "Grow" là cộng đồng nhận thêm thành viên, ngược với việc mất người cho start-up. "Merge" là hai cộng đồng hợp làm một, như hai công ty sáp nhập. "Contract" là cộng đồng thu hẹp do mất bớt thành viên rời đi lẻ tẻ, không hình thành một cộng đồng mới như ở đây.

Đáp án đúng: "Multiple edges between Maria and Julio". Khi hai người có nhiều loại quan hệ cùng lúc, mô hình phù hợp là đa đồ thị (multigraph): giữ mỗi người đúng một đỉnh và vẽ nhiều cạnh song song giữa hai đỉnh, mỗi cạnh mang nhãn hoặc thuộc tính cho biết loại quan hệ như bạn đánh tennis, đồng nghiệp, người liên hệ khẩn cấp. Cách này giữ toàn bộ thông tin trong một đồ thị và vẫn truy vấn theo loại cạnh được. "Separate graphs for each kind of relationship" chia dữ liệu ra nhiều đồ thị, làm mất cái nhìn tổng thể và khó phân tích các quan hệ đan xen. "Multiple nodes for each of Maria and Julio, to capture the various relationships" sai nguyên tắc vì một thực thể phải ứng với một đỉnh; nhân bản đỉnh làm sai các phép đo như bậc của đỉnh hay số láng giềng.

Đáp án đúng: "Velocity". Áp các chữ V vào dữ liệu đồ thị, Velocity (tốc độ) thể hiện ở chỗ đồ thị liên tục lớn lên: cạnh mới được thêm vào không ngừng, như lượt theo dõi hay tương tác trên mạng xã hội, nên kết quả phân tích có thể thay đổi ngay sau khi tính xong và khó biết lúc nào đã có được câu trả lời; cần kỹ thuật xử lý luồng và phân tích gia tăng. "Variety" là sự đa dạng về loại nút, loại cạnh và nguồn dữ liệu, gây khó cho việc tích hợp chứ không phải số cạnh tăng liên tục. "Volume" là kích thước tổng của đồ thị, lớn đến mức khó lưu và xử lý, nhưng là một trạng thái tĩnh chứ không nhấn mạnh sự tăng trưởng không ngừng. "Valence" là độ liên kết, tức mật độ kết nối giữa các phần tử, làm thuật toán khám phá phức tạp hơn nhưng không phải bản chất của việc cạnh tiếp tục được thêm vào.

Đáp án đúng: "where there is an edge from a node to itself.". Trong lý thuyết đồ thị, khuyên hay vòng tự thân (loop, self-loop) là cạnh có hai đầu mút trùng nhau, nối một đỉnh với chính nó, ví dụ một trang web có liên kết trỏ về chính trang đó; khuyên được tính hai lần vào bậc của đỉnh trong đồ thị vô hướng. "where there is a edge from A->B, there is also an edge from B->A." mô tả cặp cạnh hai chiều, tức quan hệ tương hỗ giữa hai đỉnh khác nhau, chẳng hạn hai người theo dõi lẫn nhau, không phải cạnh tự nối. "where there is a path in some way from a node, through 1 or more other - nodes, back to the original node." là định nghĩa chu trình (cycle): đường đi qua ít nhất một đỉnh khác rồi quay về đỉnh xuất phát, khác với khuyên chỉ gồm đúng một cạnh và không đi qua đỉnh nào khác.

Đáp án đúng: "Solving the bridge problem". Năm 1736, Leonhard Euler giải bài toán bảy cây cầu Königsberg: có cách nào đi qua mỗi cây cầu đúng một lần hay không. Ông biến các vùng đất thành nút, cây cầu thành cạnh, rồi chứng minh không thể đi được vì có quá hai nút bậc lẻ; điều kiện đường đi Euler này được xem là khởi đầu của lý thuyết đồ thị. "Developing machine learning" sai vì học máy là lĩnh vực của thế kỷ 20, rất lâu sau thời Euler. "Creating binary search" sai vì tìm kiếm nhị phân là thuật toán trên mảng đã sắp xếp, gắn với khoa học máy tính hiện đại chứ không phải công trình đồ thị của Euler. "Building graph databases" sai vì cơ sở dữ liệu đồ thị như Neo4j là phần mềm ra đời gần đây, chỉ vận dụng lý thuyết đồ thị mà Euler đặt nền.

Đáp án đúng: "NameNode for metadata and DataNode for block storage.". HDFS theo kiến trúc chủ tớ: NameNode là nút chủ giữ không gian tên và siêu dữ liệu (metadata), tức cây thư mục, quyền truy cập, mỗi tệp gồm những khối nào và khối nằm trên DataNode nào; các DataNode là nút tớ lưu khối dữ liệu thật trên đĩa, phục vụ đọc ghi và gửi tín hiệu heartbeat định kỳ về NameNode. Khi đọc tệp, máy khách hỏi NameNode vị trí khối rồi đọc thẳng từ DataNode. "NameNode for block storage and Data Node for metadata." đảo ngược vai trò hai thành phần. "FASTA for genome sequence and Rasters for geospatial data." nói về định dạng dữ liệu khoa học, FASTA cho trình tự gen và raster cho dữ liệu không gian địa lý, không phải thành phần của HDFS. "None of the above" sai vì đã có một mô tả đúng.

Đáp án đúng: "True". Trong Cypher, mẫu (n)-[r]-(n) dùng cùng một biến n cho cả hai đầu của quan hệ r, nên chỉ khớp những quan hệ có điểm đầu và điểm cuối là cùng một nút, tức là các vòng tự thân (self-loop); dấu gạch không có mũi tên nghĩa là không xét chiều, nên bắt được mọi vòng bất kể khai báo chiều nào. Mệnh đề return n, r trả về nút và quan hệ đó, Neo4j Browser hiển thị thành đồ thị gồm các vòng đang tồn tại; nếu đồ thị không có vòng nào thì kết quả rỗng, đúng với ý những vòng có thể tồn tại trong câu hỏi. Phương án "False" sai vì cho rằng truy vấn không làm được việc này, trong khi việc lặp lại cùng biến ở hai đầu chính là cách chuẩn để tìm vòng tự thân trong Cypher.

Đáp án đúng: "Trees take advantage of the parent-child relationship of the data for easy navigation.". Dữ liệu bán cấu trúc như XML và JSON có tính lồng nhau: phần tử XML chứa phần tử con, đối tượng JSON chứa đối tượng hay mảng con; mô hình cây biểu diễn đúng quan hệ cha–con đó, nên có thể duyệt theo đường dẫn từ gốc xuống, như XPath với XML hay ký pháp dấu chấm với JSON, và truy vấn cha, con, anh em một cách tự nhiên. "Computers can easily visualize the data with a tree structure." sai vì lý do dùng cây là để mô hình hoá và truy vấn, không phải để máy tính vẽ hình. "It is not always the case that XML and JSON can be represented as trees." sai vì mọi tài liệu XML hợp lệ và mọi giá trị JSON đều có cấu trúc lồng nhau biểu diễn được thành cây. "They are only useful for XML data, as a tree-like structure is apparent with tags. While JSON does not contain a tree-like structure as it contains arrays." sai vì mảng JSON chỉ là một nút có các con được đánh thứ tự, nên JSON vẫn là cây như XML.

Đáp án đúng: "Disease data from the Centers for Disease Control.". Dữ liệu lớn thường được chia theo nguồn sinh ra: máy móc, con người và tổ chức. Organizational data (dữ liệu tổ chức) là dữ liệu mà doanh nghiệp hay cơ quan ghi nhận trong hoạt động của mình như giao dịch, hồ sơ, thống kê; dữ liệu bệnh tật do Trung tâm Kiểm soát Dịch bệnh tập hợp từ báo cáo của cơ sở y tế là ví dụ điển hình. "Satellite Data" là dữ liệu do máy sinh ra, đến từ cảm biến và thiết bị chụp ảnh trên vệ tinh. "Social Media" là dữ liệu do con người sinh ra khi đăng bài, bình luận, chia sẻ. "Multimedia" là một dạng định dạng dữ liệu gồm ảnh, âm thanh, video, nói về hình thức của dữ liệu chứ không chỉ ra nguồn tổ chức nào tạo ra nó, và phần lớn nội dung đa phương tiện do người dùng tạo.

Đáp án đúng: "The organization of data elements and relationships within the file". Mô hình dữ liệu (data model) mô tả cấu trúc của dữ liệu: gồm những phần tử nào, mỗi phần tử có kiểu gì, liên hệ với nhau ra sao, cùng các ràng buộc và phép toán trên chúng. Với tệp CSV, mô hình dữ liệu là cách tổ chức thành các dòng bản ghi, các cột trường ngăn bởi dấu phẩy, dòng tiêu đề đặt tên cột và quan hệ giữa các giá trị trong một bản ghi. "The specific file format used to store data" chỉ là định dạng vật lý ở tầng lưu trữ; cùng một mô hình bảng có thể lưu dưới CSV, Parquet hay bảng SQL. "The process of converting data into a different format" là chuyển đổi định dạng, một thao tác trên dữ liệu chứ không phải mô hình. "The way data is displayed to end-users" là tầng trình bày, phụ thuộc giao diện chứ không phản ánh cấu trúc của dữ liệu.

Đáp án đúng: "Data that lacks a predefined data model and does not fit well into relational databases.". Dữ liệu phi cấu trúc là dữ liệu không có mô hình dữ liệu định nghĩa trước, như văn bản tự do, email, ảnh, âm thanh, video; nó không chia sẵn thành hàng và cột nên không đặt vừa bảng của cơ sở dữ liệu quan hệ và phải dùng kỹ thuật như xử lý ngôn ngữ tự nhiên hay thị giác máy để rút thông tin. Phương án "organized into rows and columns, typically stored in spreadsheets" mô tả dữ liệu có cấu trúc dạng bảng, ngược với phi cấu trúc. Phương án "follows a strict schema with defined relationships between entities" cũng là dữ liệu có cấu trúc trong cơ sở dữ liệu quan hệ với lược đồ và khoá ngoại. Phương án "Data stored in a hierarchical format, often used in XML files." là dữ liệu bán cấu trúc: không có lược đồ cứng nhưng có thẻ và quan hệ cha con, nên vẫn có cấu trúc nhất định.

Đáp án đúng: "Coordination services (e.g., configuration, synchronization)". ZooKeeper là dịch vụ điều phối tập trung cho ứng dụng phân tán: nó lưu dữ liệu nhỏ trong cây znode, cung cấp nơi giữ cấu hình chung, khoá phân tán để đồng bộ, đặt tên, theo dõi nút nào còn sống và bầu chọn nút chủ; HBase, Kafka hay HDFS chế độ sẵn sàng cao đều dựa vào nó. "Data mining" sai vì ZooKeeper không phân tích dữ liệu, nó chỉ giữ trạng thái điều phối. "Full cluster resource management" sai vì quản lý và cấp phát tài nguyên của cả cụm là việc của YARN với ResourceManager; ZooKeeper có thể giúp ResourceManager chuyển đổi dự phòng nhưng không tự cấp CPU, bộ nhớ. "Both a and c" ghép khai phá dữ liệu với quản lý toàn bộ tài nguyên cụm, hai việc đều không phải chức năng của ZooKeeper nên cũng sai.

Đáp án đúng gồm hai ý: "Probabilistic Schema Mapping" và "Pay-as-you-go Model". Tích hợp thông tin (information integration) với dữ liệu lớn khó vì số nguồn rất nhiều và lược đồ thay đổi liên tục, nên không thể thiết kế tay một lược đồ chung hoàn hảo từ đầu. Probabilistic schema mapping (ánh xạ lược đồ xác suất) gán cho mỗi cách ghép thuộc tính giữa nguồn và lược đồ chung một xác suất thay vì đòi một ánh xạ duy nhất chắc chắn; pay-as-you-go model (mô hình tích hợp dần theo nhu cầu) cho hệ thống chạy ngay với mức tích hợp sơ bộ rồi tinh chỉnh dần khi cần. "Mediated Schema" là cách làm truyền thống, dựng trước một lược đồ trung gian toàn cục, khó mở rộng cho hàng nghìn nguồn biến động. "Attribute Grouping" là một bước kỹ thuật bên trong khi sinh lược đồ, gom các thuộc tính tương tự, chứ không phải giải pháp độc lập. "Customer Transactions" là một loại dữ liệu, không phải giải pháp tích hợp.

Đáp án đúng: "Data is unbounded in size but requires only finite time and space to process it.". Dữ liệu luồng (streaming data) đến liên tục, không có điểm kết thúc nên kích thước không bị chặn (unbounded); vì không thể đợi gom đủ rồi mới tính, hệ xử lý luồng xử lý từng phần tử hoặc từng cửa sổ (window) nhỏ khi nó tới và chỉ giữ một trạng thái gọn, nên mỗi bước tốn thời gian và bộ nhớ hữu hạn dù dòng dài bao nhiêu. "The data is unbounded in size and the size determines the time and space of processing the data." sai vì nếu chi phí tăng theo kích thước của một dòng vô hạn thì không hệ nào xử lý nổi; xử lý luồng ra đời chính để tách chi phí khỏi tổng kích thước. "The data is finite and requires only finite time and space to process the data." mô tả một tập dữ liệu tĩnh có kích thước biết trước, không phải dòng liên tục. "Data is finite in size and size determines the time and space of processing the data." là đặc trưng của xử lý theo lô (batch) truyền thống, khi thời gian chạy tăng theo dung lượng tập dữ liệu.

Đáp án đúng: "Machine Data, Organizational Data, and People". Nguồn dữ liệu lớn thường được chia thành ba nhóm: dữ liệu do máy sinh ra như cảm biến, thiết bị IoT, nhật ký hệ thống, vệ tinh; dữ liệu của tổ chức như giao dịch, hồ sơ khách hàng, dữ liệu vận hành trong doanh nghiệp; và dữ liệu do con người tạo ra như bài đăng mạng xã hội, email, ảnh, video, đánh giá. "Machine Data, Map Data, and Social Media" sai vì dữ liệu bản đồ chỉ là một dạng dữ liệu cụ thể, còn mạng xã hội là một phần của nhóm dữ liệu con người. "Information Networks, Map Data, and People" sai vì mạng thông tin và dữ liệu bản đồ không phải hai nhóm nguồn gốc, đồng thời thiếu hẳn dữ liệu máy và dữ liệu tổ chức. "Sensor Data, Organizational Data, and Social Media" dùng hai mục con thay cho nhóm lớn: cảm biến chỉ là một loại dữ liệu máy, mạng xã hội chỉ là một loại dữ liệu con người.

Đáp án đúng: "Integration -> Personalization -> Precision". Ví dụ tiêu biểu là y học chính xác (precision medicine): các dòng dữ liệu (data streams) từ hồ sơ bệnh án, xét nghiệm gen, thiết bị đeo, cảm biến môi trường trước hết được tích hợp (integration) lại; có bức tranh tích hợp của từng người thì mới cá nhân hoá (personalization) được; và cá nhân hoá dẫn tới chẩn đoán, điều trị chính xác (precision) cho đúng người đó. Chỗ dễ nhầm nhất là "Big Data -> Better Models -> Higher Precision", vốn hay bị ghi làm đáp án: nó là cách tóm tắt một quy trình khác, rằng nhiều dữ liệu giúp mô hình tốt hơn và dự đoán chính xác hơn, chứ không mô tả quá trình sử dụng các dòng dữ liệu bắt đầu bằng khâu tích hợp. "Theory -> Models -> Precise Advice" mô tả hướng đi từ lý thuyết xuống, không xuất phát từ dữ liệu. "Extrapolation -> Understanding -> Reproducing" sai vì ngoại suy (extrapolation) là suy rộng ra ngoài vùng dữ liệu có sẵn, không phải bước đầu khi dùng các dòng dữ liệu, và chuỗi này không dẫn tới tính chính xác.

Đáp án đúng: "The abnormality or uncertainties of data.". Veracity (tính xác thực) là chữ V nói về chất lượng và độ tin cậy của dữ liệu: dữ liệu lớn gom từ nhiều nguồn nên thường có nhiễu, giá trị bất thường, thiếu sót, mâu thuẫn và độ bất định, cần làm sạch và đánh giá trước khi dùng để ra quyết định. "The connectedness of data." là valence (tính liên kết), mức độ các phần tử dữ liệu nối với nhau, ví dụ trong mạng xã hội. "The speed at which data is produced." là velocity (tốc độ), nói về dữ liệu được sinh ra và cần xử lý nhanh tới mức nào. "The size of the data." là volume (khối lượng), độ lớn của dữ liệu. Ba đặc trưng đó mô tả hình thái và quy mô, còn chỉ veracity nói về mức đáng tin của dữ liệu.