Pular para o conteúdo principal

Questão de Banco de Dados — Big Data — CESPE / CEBRASPE 2025

Banco de DadosBig Data
Código
ce215283
Banca
CESPE / CEBRASPE
Órgão
STM
Ano
2025
Nível
Superior
Cargo
Analista Judiciário - Área: Apoio Especializado - Especialidade: Suporte em Tecnologia da Informação
A ferramenta Spark é mais eficiente que a Hadoop em tarefas iterativas, pois armazena os dados na memória RAM durante o processamento.
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoC — Certo

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Deep Learning, Big Data e Redes Neurais

Gabarito: Certo (C). O Spark é mais eficiente que o Hadoop em tarefas iterativas porque armazena e processa os dados na memória RAM, enquanto o Hadoop MapReduce grava resultados intermediários em disco, tornando-o mais lento em ciclos repetitivos.

A afirmação está correta e é amplamente conhecida na área de Big Data. O Apache Spark foi projetado para processamento em memória (in-memory), o que acelera significativamente operações que exigem múltiplas iterações sobre os mesmos dados, como algoritmos de machine learning e processamento de grafos. Já o Hadoop MapReduce, por ser baseado em disco, apresenta maior latência em tarefas iterativas, pois a cada etapa precisa ler e escrever no sistema de arquivos distribuído (HDFS).

SE LIGUE NESSA!

Essa diferença é um dos principais pontos de comparação entre as duas ferramentas e frequentemente cobrada em provas sobre Big Data.

Processamento Big Data
  • 1Hadoop MapReduce
    • Grava resultados intermediários em disco
    • Mais lento em tarefas iterativas
  • 2Apache Spark
    • Processamento in-memory (RAM)
    • Mais rápido em tarefas iterativas
    • Exemplos: ML, grafos
LEVEL · soulevel.com.br

✅ CERTO

Link permanente: /questoes/ce215283