Qiz HUBQizHUBQUESTION LIBRARY PLATFORM
Bỏ quảng cáoLuyện đề ngay
Đăng nhập
BDI302cChưa đo Cập nhật 2 ngày trước

BDI302c - Dữ liệu lớn

BDI302c - Dữ liệu lớn (Big Data) là môn 3 tín chỉ bậc cử nhân của Đại học FPT, không yêu cầu môn học trước. Bài toán đặt ra là: khi nhật ký nhấp chuột của một trang bán hàng, số đo từ hàng nghìn cảm biến hay bài đăng mạng xã hội dồn về nhanh tới mức một máy chủ không còn chứa nổi, cũng không đọc kịp, thì cách làm quen thuộc với một cơ sở dữ liệu trên một máy phải nhường chỗ cho lối nghĩ khác. Câu hỏi đầu tiên là nên lưu dữ liệu ở dạng nào, vì một tài liệu JSON và một đồ thị đặt ra những ràng buộc khác nhau và cho phép những thao tác khác nhau. Chọn hệ quản lý cho dữ liệu lớn thường đồng nghĩa với việc nới tính nhất quán chặt của giao dịch để đổi lấy khả năng chạy trên hàng trăm máy. Tiếp theo là cách tính toán khi dữ liệu đã bị chia thành khối và rải khắp cụm máy: đưa phép tính tới chỗ dữ liệu nằm, viết chương trình đếm từ theo mô hình MapReduce để thấy vì sao dữ liệu trung gian phải đi qua mạng giữa các máy, rồi so với Spark, nơi tập dữ liệu phân tán được giữ trong bộ nhớ và chỉ thật sự được tính khi gặp một lệnh lấy kết quả. Mạng lưới bạn bè hay tuyến giao thông được nhìn như tập đỉnh và cạnh để tìm đường đi ngắn nhất, nút có ảnh hưởng lớn và những cộng đồng gắn kết. Ở mảng học máy, người học huấn luyện cây quyết định trên dữ liệu thật, so độ chính xác trên tập huấn luyện với tập kiểm định để nhận ra mô hình học thuộc lòng dữ liệu, đọc ma trận nhầm lẫn để biết nó hay nhầm lớp nào sang lớp nào, và trước đó là thăm dò, làm sạch, bù giá trị thiếu, bởi một mô hình chỉ tốt bằng dữ liệu đưa vào nó. Khi dữ liệu về một khách hàng nằm rải ở nhiều nguồn, người học tập ghép lược đồ và nhận ra những bản ghi khác nhau thật ra chỉ cùng một người. Các công cụ đi kèm gồm Neo4j, Hive, KNIME, HDFS, MongoDB, Spark SQL, Pig và YARN. Học xong, người học chọn được mô hình lưu trữ và nền tảng xử lý hợp với khối lượng, tốc độ của dữ liệu đang có, viết được một tác vụ MapReduce hay Spark đơn giản, đánh giá một mô hình phân loại bằng con số thay vì cảm giác, và biến một bài toán về quan hệ giữa các đối tượng thành truy vấn trên đồ thị.

175Câu hỏi
3Bộ đề
13Chủ đề

Câu hỏi của môn

104/175 câuCòn 71
85Why is big data significant in large scale systems, particularly in impacting data retrieval, processing, and analytics?4 lựa chọn
ABig data enables advanced analytics and insights for decision-making.
BBig data reduces the complexity of data systems significantly.
CBig data eliminates the need for data processing in large scale systems.
DBig data is primarily useful for storing large volumes of data without analysis.
Lời giải
Đáp án đúng: "Big data enables advanced analytics and insights for decision-making.". Trong hệ thống quy mô lớn, giá trị của dữ liệu lớn nằm ở chỗ nhờ lưu trữ phân tán và xử lý song song, tổ chức có thể truy xuất và phân tích khối dữ liệu khổng lồ, đa dạng để tìm mẫu, dự báo và ra quyết định dựa trên bằng chứng, tức chữ V value (giá trị). "Big data reduces the complexity of data systems significantly." sai vì dữ liệu lớn làm hệ thống phức tạp hơn: phải phân tán, nhân bản, chịu lỗi, tích hợp nhiều nguồn. "Big data eliminates the need for data processing in large scale systems." sai vì ngược lại, dữ liệu càng lớn càng cần xử lý như làm sạch, tích hợp, tổng hợp trước khi dùng được. "Big data is primarily useful for storing large volumes of data without analysis." sai vì lưu trữ chỉ là phương tiện; dữ liệu nằm yên không được phân tích thì không mang lại giá trị nào.
Mở trang câu hỏi này →
86Which of these best describes the data size and frequency challenge?4 lựa chọn
AThe size and frequency of the streaming data may be sporadic.
BThere may not be data to produce the notion of size and frequency.
CThe size and frequency of the streaming data may be too small.
DNone of the above.
Lời giải
Đáp án đúng: "The size and frequency of the streaming data may be sporadic.". Với dữ liệu luồng (streaming), thách thức về kích thước và tần suất là dữ liệu đến không đều: có lúc dồn dập với khối lượng lớn, có lúc thưa thớt, kích thước mỗi gói cũng thay đổi, nên hệ thống phải co giãn tài nguyên và xử lý đột biến mà không mất dữ liệu hay tăng độ trễ. "There may not be data to produce the notion of size and frequency." sai vì luồng dữ liệu luôn có kích thước và tần suất đo được, vấn đề là chúng biến động chứ không phải không tồn tại. "The size and frequency of the streaming data may be too small." không phải thách thức đặc trưng, dữ liệu ít và thưa dễ xử lý hơn; cái khó là sự thất thường và những lúc tăng vọt. "None of the above." sai vì đã có một phương án mô tả đúng thách thức này.
Mở trang câu hỏi này →
87How would you describe the concept of lambda architecture?4 lựa chọn
AA method to process streaming data by utilizing batch processing and real-time processing.
BA specific method for processing streaming data using special real-time processes.
CA specific hardware architecture for a server made specifically for processing real-time data.
DNone of the above.
Lời giải
Đáp án đúng: "A method to process streaming data by utilizing batch processing and real-time processing.". Kiến trúc lambda (lambda architecture) chạy song song hai tầng: tầng lô (batch layer) định kỳ xử lý lại toàn bộ dữ liệu lịch sử để cho kết quả chính xác, và tầng tốc độ (speed layer) xử lý dữ liệu mới đến theo thời gian thực để bù độ trễ; tầng phục vụ (serving layer) gộp hai kết quả khi trả lời truy vấn. "A specific method for processing streaming data using special real-time processes." chỉ có phần thời gian thực, gần với kiến trúc kappa chỉ dùng một luồng xử lý, thiếu hẳn tầng lô vốn là nửa cốt lõi của lambda. "A specific hardware architecture for a server made specifically for processing real-time data." sai bản chất vì lambda là kiến trúc phần mềm, cách tổ chức luồng xử lý chạy trên cụm máy thông thường, không phải thiết kế phần cứng máy chủ. "None of the above." sai vì đã có một mô tả đúng.
Mở trang câu hỏi này →
88What's the relationship between modeling data and its format?4 lựa chọn
AThe data does not necessarily need to be formatted in a way that represents the data model. Just so long as it can be extrapolated.
BThere is always one specific schema for storing model data that is the best and preferred method for the specific data representation.
CThere is a one-to-one correspondence between formatting data and data modeling. For every model of data, there is only one way to store the data.
DNone of the above
Lời giải
Đáp án đúng: "The data does not necessarily need to be formatted in a way that represents the data model. Just so long as it can be extrapolated.". Data model (mô hình dữ liệu) mô tả ở mức logic cấu trúc, phép toán và ràng buộc của dữ liệu, còn format là cách dữ liệu được ghi xuống thực tế; cùng một mô hình có thể lưu theo nhiều định dạng, ví dụ một đồ thị có thể lưu dạng danh sách kề, ma trận kề hay tập bộ ba trong tệp văn bản, miễn là từ đó suy ra lại được cấu trúc của mô hình. Mảnh "always one specific schema for storing model data" sai vì không có một lược đồ lưu trữ duy nhất tối ưu cho mọi trường hợp; lựa chọn phụ thuộc vào cách truy vấn và hệ thống dùng. Mảnh "There is a one-to-one correspondence between formatting data and data modeling" sai vì quan hệ giữa mô hình và định dạng là một-nhiều, như ví dụ đồ thị ở trên. "None of the above" sai vì đã có một phương án mô tả đúng sự tách biệt giữa mô hình và định dạng.
Mở trang câu hỏi này →
89What are the typical reasons for representing data in the form of vectors?4 lựa chọn
AResults can be ordered by similarity using vector projection.
BEnables image searching.
CEnables weighting of the query.
DThe ability to normalize vectors, allowing probability distributions.
Lời giải
Đáp án đúng: "Results can be ordered by similarity using vector projection.". Trong mô hình không gian vector (vector space model) cho dữ liệu văn bản, mỗi tài liệu và cả truy vấn được biểu diễn thành vector trọng số các từ, thường theo tf-idf; độ giống nhau được đo bằng hình chiếu của vector này lên vector kia, cụ thể là tích vô hướng chia cho tích độ dài, tức độ tương đồng cosine, nên kết quả tìm kiếm có thể xếp hạng từ giống nhất tới ít giống nhất. "Enables image searching." sai vì biểu diễn vector trong ngữ cảnh này nhằm tìm kiếm và xếp hạng văn bản; tìm ảnh cần trích đặc trưng ảnh riêng và không phải lý do điển hình. "Enables weighting of the query." chỉ là một khả năng phụ: có thể tăng trọng số cho từ quan trọng trong truy vấn, nhưng mục đích chính vẫn là đo tương đồng để xếp hạng. "The ability to normalize vectors, allowing probability distributions." sai vì chuẩn hoá vector về độ dài 1 là để so sánh cosine công bằng giữa văn bản dài và ngắn, không biến vector thành phân phối xác suất.
Mở trang câu hỏi này →
90What command is used to view all nodes and relationships in a Neo4j graph?4 lựa chọn
Ashow graph
Bselect * from graph
Cmatch (n)-[r]-(m) return n,r,m
Dreturn all
Lời giải
Đáp án đúng: "match (n)-[r]-(m) return n,r,m". Trong Cypher, mệnh đề match nhận một mẫu đồ thị: (n) và (m) là hai nút bất kỳ, -[r]- là một quan hệ bất kỳ không xét chiều nối chúng; câu lệnh vì vậy khớp mọi cặp nút có quan hệ và trả về cả nút lẫn quan hệ, Neo4j Browser hiển thị ra toàn bộ phần đồ thị có cạnh. "show graph" không phải câu lệnh Cypher; Cypher không có lệnh show để in cả đồ thị. "select * from graph" là cú pháp SQL cho bảng quan hệ, Neo4j không có bảng tên graph và Cypher không dùng mệnh đề select from. "return all" thiếu mệnh đề match để xác định cần lấy gì và all không phải biến được khai báo, nên câu lệnh không hợp lệ.
Mở trang câu hỏi này →
91What does "streaming" mean?4 lựa chọn
AUtilizing real-time data to compute and change the state of an application continuously.
BUsing static data stored from a real-time source to process and guide the application.
CCalculating results using real-time data, otherwise known as streaming data.
DUsing sensors to manipulate the system, such as a smart car being able to drive by itself using sensors to detect road hazards.
Lời giải
Đáp án đúng: "Utilizing real-time data to compute and change the state of an application continuously.". Xử lý luồng (streaming) nghĩa là dữ liệu đi vào liên tục và hệ thống tính toán ngay khi từng phần tử tới, cập nhật trạng thái của ứng dụng không ngừng, ví dụ bảng điều khiển giao thông thay đổi theo từng tín hiệu cảm biến. "Using static data stored from a real-time source to process and guide the application." mô tả dữ liệu đã được lưu lại thành tĩnh rồi mới xử lý, tức xử lý theo lô dù nguồn ban đầu là thời gian thực. "Calculating results using real-time data, otherwise known as streaming data." nghe gần đúng nhưng chỉ nói việc tính ra kết quả, thiếu ý cốt lõi là tính liên tục và thay đổi trạng thái theo thời gian, lại định nghĩa vòng quanh bằng chính từ streaming. "Using sensors to manipulate the system, such as a smart car being able to drive by itself using sensors to detect road hazards." là một ví dụ ứng dụng cụ thể có thể dùng xử lý luồng, không phải định nghĩa của khái niệm.
Mở trang câu hỏi này →
92What kind of centrality would you want to analyze in a graph if you wanted to inject information that flows through the shortest path in a network and have it spread quickly?4 lựa chọn
ADegree
BGroup
CCloseness
DBetween-ness
Lời giải
Đáp án đúng: "Closeness". Closeness centrality (độ trung tâm gần) của một nút được tính từ tổng độ dài các đường đi ngắn nhất từ nút đó tới mọi nút khác, thường lấy nghịch đảo; nút có closeness cao là nút trung bình gần mọi nút nhất, nên thông tin bơm vào từ đó đi theo đường ngắn nhất sẽ phủ toàn mạng nhanh nhất. "Degree" chỉ đếm số láng giềng trực tiếp, đo ảnh hưởng cục bộ trong một bước; nút nhiều bạn vẫn có thể nằm ở rìa mạng và xa phần còn lại. "Between-ness" đo số đường ngắn nhất giữa các cặp nút khác đi qua một nút, cho biết nút đóng vai trò cầu nối hay người gác cổng có thể kiểm soát hoặc chặn dòng thông tin, chứ không phải điểm xuất phát lan nhanh nhất. "Group" là độ trung tâm tính cho cả một nhóm nút, mở rộng các chỉ số trên cho tập nút chứ không phải loại chỉ số trả lời câu hỏi này.
Mở trang câu hỏi này →
93Which technique can help label data after clustering?4 lựa chọn
AApply classification on clusters
BIncrease support
CUse FP-Growth
DConvert to regression
Lời giải
Đáp án đúng: "Apply classification on clusters". Phân cụm (clustering) như k-means là học không giám sát: nó chia dữ liệu thành các nhóm giống nhau nhưng không gắn tên cho nhóm. Sau khi chuyên gia xem đặc điểm từng cụm và đặt nhãn, ví dụ cụm khách chi tiêu cao, các nhãn đó có thể làm dữ liệu huấn luyện cho một bộ phân loại (classification) để gán nhãn cho cả những mẫu mới; đó là cách phân cụm hỗ trợ tạo dữ liệu có nhãn. "Increase support" sai vì support là độ đo tần suất xuất hiện của tập mục trong luật kết hợp, không liên quan đến việc đặt nhãn cụm. "Use FP-Growth" sai vì FP-Growth là thuật toán khai phá tập mục phổ biến cho luật kết hợp, không gán nhãn cho cụm. "Convert to regression" sai vì hồi quy dự đoán giá trị số liên tục, còn nhãn cụm là nhãn rời rạc nên bài toán phù hợp là phân loại.
Mở trang câu hỏi này →
94Cypher does not include a specific command to find the shortest path in a graph network.2 lựa chọn
AFalse
BTrue
Lời giải
Đáp án đúng: "False". Phát biểu cho rằng Cypher không có lệnh riêng để tìm đường đi ngắn nhất là sai, vì Cypher cung cấp sẵn hai hàm shortestPath và allShortestPaths; ví dụ viết match p=shortestPath((a)-[:TO*]-(b)) return p sẽ trả về một đường ngắn nhất giữa hai nút, còn allShortestPaths trả về mọi đường có cùng độ dài ngắn nhất. Ngoài ra thư viện Graph Data Science của Neo4j còn có thủ tục Dijkstra cho đồ thị có trọng số. Phương án "True" sai vì nó phủ nhận sự tồn tại của các hàm dựng sẵn này; người dùng không phải tự viết thuật toán duyệt đồ thị mà chỉ cần bọc mẫu đường đi có độ dài biến thiên trong hàm shortestPath là đủ.
Mở trang câu hỏi này →
95Trails (paths without repeated edges) can be interesting in which of the following problem applications?4 lựa chọn
ARouting to avoid visiting the same city.
BAn email network tracing frequency of emails from one person to another.
CAn email network tracing email replies.
DRouting to avoid using the same bridge or road.
Lời giải
Đáp án đúng: "Routing to avoid using the same bridge or road.". Trong đồ thị, trail là đường đi không lặp lại cạnh nhưng được phép quay lại đỉnh cũ; nếu thành phố là đỉnh và cầu, con đường là cạnh thì yêu cầu không đi lại cùng một cây cầu hay con đường chính là ràng buộc không lặp cạnh, giống bài toán bảy cây cầu Königsberg. "Routing to avoid visiting the same city." là ràng buộc không lặp đỉnh, ứng với khái niệm path (đường đi đơn) chứ không phải trail. "An email network tracing frequency of emails from one person to another." quan tâm trọng số trên cạnh, tức số email giữa hai người, không cần khái niệm đường đi không lặp cạnh. "An email network tracing email replies." lần theo chuỗi trả lời qua lại, trong đó cùng một cặp người gửi và nhận có thể xuất hiện nhiều lần, nên việc cấm lặp cạnh không có ý nghĩa ở đây.
Mở trang câu hỏi này →
96What is equal-width binning?4 lựa chọn
ABins have the same number of items
BBins have same width ranges
CBins are random
DBins based on frequency
Lời giải
Đáp án đúng: "Bins have same width ranges". Equal-width binning (chia khoảng đều độ rộng) là kỹ thuật rời rạc hoá một biến số liên tục: lấy khoảng từ giá trị nhỏ nhất tới lớn nhất rồi chia thành k khoảng có cùng độ rộng bằng hiệu max trừ min chia cho k. Ví dụ tuổi từ 0 tới 100 với k bằng 5 cho các khoảng rộng 20 năm; số phần tử rơi vào mỗi khoảng có thể chênh nhau nhiều, nhất là khi có ngoại lai. "Bins have the same number of items" mô tả equal-frequency binning (chia theo tần suất đều, còn gọi equal-depth), trong đó độ rộng các khoảng khác nhau để mỗi khoảng chứa số phần tử bằng nhau. "Bins based on frequency" cũng thuộc nhóm chia theo tần suất, ranh giới đặt theo phân bố dữ liệu chứ không theo độ rộng cố định. "Bins are random" sai vì cả hai kiểu chia đều có quy tắc xác định.
Mở trang câu hỏi này →
97How is a community formed in a graph?4 lựa chọn
AA dense amount of edge connections between nodes in a community and a few connections across communities.
BMany anomalous neighborhoods within the same vicinity.
CA neighborhood defined by an integer constant K around a specific node. All K+1 nodes belong to another community.
DHigh density of nodes at a certain location.
Lời giải
Đáp án đúng: "A dense amount of edge connections between nodes in a community and a few connections across communities.". Trong phân tích đồ thị, cộng đồng (community) là tập đỉnh liên kết chặt với nhau: mật độ cạnh bên trong nhóm cao, còn số cạnh nối ra các nhóm khác thì ít; các thuật toán phát hiện cộng đồng, ví dụ tối ưu modularity, tìm cách chia đồ thị sao cho cạnh trong nhóm nhiều hơn hẳn mức ngẫu nhiên và cạnh liên nhóm ít. "Many anomalous neighborhoods within the same vicinity." sai vì vùng lân cận bất thường (anomalous) là chủ đề phát hiện bất thường, không phải định nghĩa cộng đồng. "A neighborhood defined by an integer constant K around a specific node. All K+1 nodes belong to another community." lẫn với khái niệm lân cận K bước quanh một đỉnh; lân cận đó là khái niệm khác, và chuyện các đỉnh ở bước K+1 thuộc cộng đồng khác là không có căn cứ. "High density of nodes at a certain location." sai vì đồ thị không có toạ độ vị trí; điều quyết định là mật độ cạnh giữa các đỉnh chứ không phải số đỉnh dồn ở một chỗ.
Mở trang câu hỏi này →
98What kind of centrality identifies "hubness"?4 lựa chọn
ABetween-ness
BCloseness
CDegree
DGroup
Lời giải
Đáp án đúng: "Degree". Độ trung tâm bậc (degree centrality) đếm số cạnh nối vào một nút; nút có bậc rất cao là trung tâm (hub) nối trực tiếp với nhiều nút khác, nên đây là thước đo nhận diện tính hub. "Between-ness" (độ trung tâm trung gian) đo mức độ một nút nằm trên các đường ngắn nhất giữa những cặp nút khác, nhận diện nút cầu nối hay người môi giới, có thể có bậc thấp mà vẫn rất quan trọng. "Closeness" (độ trung tâm gần) dựa trên tổng khoảng cách ngắn nhất tới mọi nút, nhận diện nút lan truyền nhanh, không đếm số láng giềng trực tiếp. "Group" (độ trung tâm nhóm) mở rộng các thước đo trên cho một tập nút, dùng cho bài toán chọn một nhóm chủ chốt chứ không đo hub của từng nút.
Mở trang câu hỏi này →
99Suppose we have an email network where the edges of a graph represent the number of emails from one user to another. If I was going to ask if Maria had sent any emails that (either directly or through forwarding from others) reached Julio, I would ask if:2 lựa chọn
AJulio’s node was reachable from Maria node
BMaria’s node was reachable from Julio’s node
Lời giải
Đáp án đúng: "Julio’s node was reachable from Maria node". Trong đồ thị có hướng của mạng email, cạnh đi từ người gửi tới người nhận; nút B gọi là reachable (đến được) từ nút A khi tồn tại đường đi theo đúng chiều mũi tên từ A tới B, có thể qua nhiều nút trung gian. Email của Maria tới được Julio, trực tiếp hoặc qua người khác chuyển tiếp, nghĩa là có đường đi bắt đầu ở Maria, đi theo các cạnh gửi thư và kết thúc ở Julio, tức nút Julio đến được từ nút Maria. "Maria’s node was reachable from Julio’s node" đảo chiều câu hỏi: nó hỏi thư của Julio có tới được Maria hay không. Vì đồ thị có hướng nên khả năng đến được không đối xứng: Maria gửi tới được Julio không kéo theo Julio gửi tới được Maria, nên phải kiểm tra đúng chiều xuất phát từ Maria.
Mở trang câu hỏi này →
100In a network representing the world wide web edges (or links) would likely represent4 lựa chọn
AHyperlinks
BWebpages
CGoogle search terms
DIndividual computers
Lời giải
Đáp án đúng: "Hyperlinks". Khi mô hình hoá World Wide Web thành một mạng (đồ thị), mỗi trang web là một nút và mỗi liên kết từ trang này trỏ sang trang kia là một cạnh có hướng; đây là đồ thị mà các thuật toán như PageRank phân tích để xếp hạng trang theo số và chất lượng liên kết trỏ tới. "Webpages" là các nút của mạng chứ không phải cạnh, vì cạnh phải là quan hệ nối giữa hai đối tượng. "Google search terms" là truy vấn người dùng gõ vào công cụ tìm kiếm, không phải quan hệ giữa các trang và không thuộc cấu trúc của web. "Individual computers" là các nút trong mạng vật lý Internet, nơi cạnh là đường truyền giữa máy với máy; đó là một mạng khác với mạng các trang và liên kết của World Wide Web mà câu hỏi nói tới.
Mở trang câu hỏi này →
101What is the role of YARN?4 lựa chọn
AAllows various applications to run on the same Hadoop cluster.
BEnables large-scale data across clusters.
CImplementation of MapReduce.
DNone of the above
Lời giải
Đáp án đúng: "Allows various applications to run on the same Hadoop cluster.". YARN tách việc quản lý tài nguyên khỏi mô hình lập trình: ResourceManager cấp container cho bất kỳ ứng dụng nào có ApplicationMaster, nhờ vậy MapReduce, Spark, Tez, Giraph có thể cùng chạy và chia sẻ tài nguyên trên một cụm Hadoop, cùng dùng dữ liệu trên HDFS, thay vì mỗi framework phải dựng cụm riêng. "Enables large-scale data across clusters." là câu mơ hồ, mô tả chung việc trải dữ liệu lớn trên cụm, vốn là việc của HDFS chứ không phải vai trò điều phối tài nguyên của YARN. "Implementation of MapReduce." sai vì MapReduce chỉ là một trong nhiều ứng dụng chạy trên YARN; ở Hadoop 1 MapReduce tự quản lý tài nguyên, còn YARN ra đời để gỡ sự gắn chặt đó. "None of the above" sai vì đã có một phát biểu đúng về vai trò của YARN.
Mở trang câu hỏi này →
102The Cypher query language shares some commands in common with SQL.2 lựa chọn
ATrue
BFalse
Lời giải
Đáp án đúng: "True". Cypher được thiết kế để người quen SQL dễ học nên mượn nhiều từ khoá và mệnh đề của SQL: WHERE để lọc, ORDER BY để sắp xếp, LIMIT và SKIP để phân trang, DISTINCT để bỏ trùng, các hàm gộp như count, sum, avg, cùng UNION; khác biệt chính là thay FROM bằng MATCH với mẫu đồ thị và dùng RETURN ở cuối thay cho SELECT ở đầu. Phương án "False" sai vì nó cho rằng hai ngôn ngữ không có điểm chung nào, trong khi phần lọc, sắp xếp, gộp nhóm của Cypher gần như trùng tên và ngữ nghĩa với SQL; chỗ khác biệt chỉ nằm ở cách mô tả dữ liệu cần lấy theo mẫu nút và quan hệ thay vì theo bảng.
Mở trang câu hỏi này →
103Which of the following is NOT a graph?4 lựa chọn
ASocial network
BPie chart
CGene interaction map
DRoad map
Lời giải
Đáp án đúng: "Pie chart". Câu hỏi dùng chữ graph theo nghĩa lý thuyết đồ thị: một tập đỉnh nối với nhau bởi các cạnh biểu diễn quan hệ. Biểu đồ tròn chỉ là cách vẽ tỷ lệ các phần của một tổng thành những lát cắt, không có đỉnh và cạnh, nên không phải đồ thị dù tiếng Anh thông thường cũng gọi nó là một kiểu chart. "Social network" là đồ thị điển hình: mỗi người là một đỉnh, quan hệ bạn bè hay theo dõi là cạnh. "Gene interaction map" cũng là đồ thị, mỗi gen hoặc protein là đỉnh và tương tác sinh học giữa chúng là cạnh, dùng để tìm các cụm gen cùng chức năng. "Road map" là đồ thị có trọng số, giao lộ hoặc thành phố là đỉnh, đoạn đường là cạnh mang độ dài, làm nền cho các bài toán tìm đường ngắn nhất.
Mở trang câu hỏi này →
104Can you describe one of the most important features of Aerospike?4 lựa chọn
ASupport for geospatial data storage and geospatial queries.
BEnables real-time data streaming from external sources.
CBetter equipped for string-based search applications.
DImages as values within the database.
Lời giải
Đáp án đúng: "Support for geospatial data storage and geospatial queries.". Aerospike là cơ sở dữ liệu NoSQL dạng khoá giá trị phân tán, tối ưu cho ổ SSD và độ trễ rất thấp; một tính năng nổi bật của nó là lưu dữ liệu địa lý theo GeoJSON, lập chỉ mục không gian và truy vấn như tìm các điểm nằm trong một vùng hay trong bán kính quanh một toạ độ, hữu ích cho ứng dụng định vị và quảng cáo theo vị trí. "Enables real-time data streaming from external sources." là việc của các công cụ thu thập và truyền dữ liệu dòng như Kafka hay Flume, không phải điểm đặc trưng của một cơ sở dữ liệu lưu trữ. "Better equipped for string-based search applications." là thế mạnh của các máy tìm kiếm văn bản như Elasticsearch, Solr với chỉ mục đảo ngược. "Images as values within the database." là khả năng lưu dữ liệu nhị phân mà nhiều hệ khoá giá trị đều có, không phải nét riêng quan trọng của Aerospike.
Mở trang câu hỏi này →
Tin cậyĐiều khoảnBảo mậtCookieQuảng cáoThanh toánBiên tậpBản quyềnLiên hệ