QCM : Big Data

21

Question à choix multiples

Sélectionnez les propositions correctes. Vous concevez le schéma de faits pour un entrepôt OLAP qui doit servir à la fois des analyses ad‑hoc détaillées et des agrégats rapides ; les événements peuvent arriver en flux, parfois partiels, et vous voulez minimiser réconciliation coûteuse et pertes de granularité. Que faire ?

Modéliser le fait à grain atomique (un enregistrement par événement opérationnel), utiliser surrogate keys et dates effectives. Bonne réponse
Créer un fait très large (toutes dimensions en colonnes) avec beaucoup de colonnes nullable pour éviter joins.
Fragmenter en micro‑facts atomiques par type d'opération et maintenir vues matérialisées / tables d'agrégats pour les rapports fréquents. Bonne réponse
Éviter toute pré‑agrégation et recalculer les agrégats à la volée pour garder la maximal flexibilité.

Explication

Préférence pour grain atomique + vues matérialisées/agrégats ; éviter wide nullable columns et recalculs lourds en temps réel.

22

Question à choix multiples

Sélectionnez les propositions correctes. Vous devez implémenter un schéma en étoile pour des requêtes BI lourdes, avec dimensions évolutives et relations many‑to‑many (produit↔campagne). Quelles pratiques techniques appliquer pour préserver performance et historisation ?

Snowflakez les dimensions pour réduire duplication et optimiser stockage.
Implémentez SCD Type‑2 avec surrogate keys et dates effectives, en conservant l'étoile. Bonne réponse
Créez des bridge tables (factless ou poids) pour modéliser les relations many‑to‑many entre fact et dimension. Bonne réponse
Stockez l'historique complet des dimensions en JSON dans la table fact pour éviter tout join.

Explication

Conserver une étoile, SCD2 pour historisation et bridges pour M2M ; éviter JSON historiques dans fact.

23

Question à choix multiples

Sélectionnez les propositions correctes. Vous forwardez du CDC MySQL vers Kafka pour plusieurs services consommateurs ; les schémas évolueront et il faut gérer deletes. Quelle configuration minimise les ruptures et facilite la lecture ?

Utiliser Avro/Protobuf avec Schema Registry et stratégie de sujet record‑name (réutilisable inter‑topics). Bonne réponse
Ne pas imposer de compatibilité côté registry — laisser les consommateurs s'adapter dynamiquement.
Émettre tombstone (clé + null) pour représenter les deletes et garder le key schema stable. Bonne réponse
Inclure le schéma dans chaque message (self‑describing) et ignorer le registry.

Explication

Registry avec naming par record et tombstones pour deletes ; éviter ruptures non contrôlées et duplication de schémas.

24

Question à choix multiples

Sélectionnez les propositions correctes. Pour un magasin clé‑valeur géo‑répliqué où la plupart des lectures peuvent être éventuelles mais quelques opérations financières exigent cohérence, quelles mesures configurer ?

Configurer quorum de lectures/écritures (R+W>N) pour opérations critiques afin d'obtenir cohérence stricte quand nécessaire. Bonne réponse
S'appuyer uniquement sur read‑repair/anti‑entropy et ne pas utiliser de quorums.
Utiliser multi‑version vectors et laisser les clients faire la réconciliation finale sans garanties supplémentaires.
Séparer les chemins : utiliser quorum pour transactions critiques, eventual pour analytics, et maintenir anti‑entropy en arrière‑plan. Bonne réponse

Explication

Combiner quorums pour opérations critiques et anti‑entropy/read‑repair pour convergence globale ; séparer chemins selon SLA.

25

Question à choix multiples

Quelle est la meilleure décision ? Vous gérez le metadata service d'une plateforme distribuée nécessitant des mises à jour linéarisables et faible latence d'écriture : quelle approche de consensus choisir ?

Déployer Raft (Multi‑Raft par shard) avec leaders par shard et placement de réplicas pour optimiser latence. Bonne réponse
Utiliser CRDTs eventual pour éviter consensus et simplifier.
Déployer Paxos sur tous nœuds avec un leader global unique pour tout le cluster.
Adopter un protocole leaderless basé sur horodatages et vector clocks pour éviter le leader bottleneck.

Explication

Raft/Multi‑Raft par shard offre linearizabilité et contrôlabilité de latence; CRDT/Paxos/leaderless ont compromis inadaptés ici.

26

Question à choix multiples

Sélectionnez les propositions correctes. Pour rendre observables les pipelines ETL massifs et permettre diagnostic rapide des régressions qualité, quelles pratiques déployer ?

Générer un trace‑id/lineage‑id lors de l'ingestion et le propager dans chaque transformation. Bonne réponse
Se contenter de métriques agrégées de jobs et de sampling pour traces fines.
Exposer métriques de qualité des données (taux d'erreur, volumes attendus, distributions) en temps réel avec alerting. Bonne réponse
Extraire automatiquement la lineage via parsing d'ETL et publier les relations dans un catalogue central avec SLAs dataset‑level. Bonne réponse

Explication

Propagation d'ID de ligne, métriques DQ en temps réel et catalogue/lineage automatique accélèrent RCA et gouvernance.

27

Question à choix multiples

Sélectionnez les propositions correctes. Vous opérez un data lake analytique contenant PII et besoin de joindre des identifiants pour analytics ; quelles mesures techniques et anonymisation appliquer ?

Utiliser envelope encryption (chiffrement au repos) avec clés KMS et séparation stricte des droits IAM par rôle/tenant. Bonne réponse
Chiffrer PII avec chiffrement déterministe pour permettre joins directs sur champs chiffrés.
Pseudonymiser via tokenization réversible pour usages analytiques internes et appliquer differential privacy sur exports agrégés. Bonne réponse
Déployer tout traitement PII dans secure enclaves (TEE) et laisser données non‑anonymisées disponibles aux analysts.

Explication

Chiffrement solide + tokenisation/pseudonymisation pour analytics interne ; differential privacy sur sorties. Éviter deterministic encryption pour exposer corrélations non contrôlées.

28

Question à choix multiples

Quelle est la meilleure décision ? Votre entrepôt doit respecter RPO=1h et RTO=4h sur plusieurs To de données ; vous voulez basculer rapidement sans coûts de maintenance excessifs : quelle stratégie DR choisir ?

Prendre snapshots horaires vers une autre région et restaurer à la demande au sinistre.
Mettre en place réplication CDC continue vers un standby chaud/tiède avec orchestration de failover automatique et replay point‑in‑time. Bonne réponse
Faire backup complet nocturne et restauration manuelle en cas d'incident.
S'appuyer uniquement sur la haute durabilité de l'object store et recréer compute à la demande sans réplication de logs.

Explication

CDC continue vers standby tiède/warm avec failover automatisé satisfait RPO 1h et RTO 4h mieux que snapshots horaires.

29

Question à choix multiples

Sélectionnez les propositions correctes. Pour une plateforme multi‑tenant analytics, comment appliquer FinOps tout en assurant isolation et bonne utilisation des ressources ?

Un cluster partagé sans quotas et uniquement tagging pour ventilation des coûts.
Implémenter métrologie et chargeback par tenant, quotas au niveau du scheduler et dashboards de coût par tenant. Bonne réponse
Isoler chaque tenant sur un cluster dédié par défaut pour garantir isolation physique quelle que soit la charge.
Utiliser pools de ressources (compute) avec autoscaling, spots pour charges non critiques et politiques de fallback vers on‑demand quand les caps coût sont atteints. Bonne réponse

Explication

Metering + quotas + dashboards pour visibilité et pools autoscalés/spot+fallback pour minimiser coûts sans sacrifier isolation logique.

30

Question à choix multiples

Sélectionnez les propositions correctes. Pipeline streaming fortement variable, événements hors d'ordre et exigences réglementaires de conservation longue : quelles réponses architecturales pour backpressure, late data et rétention ?

Allouer des buffers mémoire illimités pour absorber les pics et traiter ensuite.
Utiliser buffers bornés avec spill‑to‑disk, appliquer backpressure (throttling côté producteur) et prévoir mécanisme de reprocess depuis le log immutable. Bonne réponse
Mettre en place watermarking event‑time avec allowed lateness et side‑outputs pour collecter tardifs ; stocker le log brut immutable avec tags de rétention et legal‑hold. Bonne réponse
Décider de dropper systématiquement les événements tardifs dès le watermark pour limiter coûts de stockage.

Explication

Buffers bornés+spill et throttling + watermarking+side‑outputs pour tardifs, plus log immutable avec retention/compliance.

QCM

QCM de « Big Data »

Sélectionnez les propositions correctes. Vous devez implémenter un schéma en étoile pour des requêtes BI lourdes, avec dimensions évolutives et relations many‑to‑many (produit↔campagne). Quelles pratiques techniques appliquer pour préserver performance et historisation ?

Sélectionnez les propositions correctes. Vous forwardez du CDC MySQL vers Kafka pour plusieurs services consommateurs ; les schémas évolueront et il faut gérer deletes. Quelle configuration minimise les ruptures et facilite la lecture ?

Sélectionnez les propositions correctes. Pour un magasin clé‑valeur géo‑répliqué où la plupart des lectures peuvent être éventuelles mais quelques opérations financières exigent cohérence, quelles mesures configurer ?

Quelle est la meilleure décision ? Vous gérez le metadata service d'une plateforme distribuée nécessitant des mises à jour linéarisables et faible latence d'écriture : quelle approche de consensus choisir ?

Sélectionnez les propositions correctes. Pour rendre observables les pipelines ETL massifs et permettre diagnostic rapide des régressions qualité, quelles pratiques déployer ?

Sélectionnez les propositions correctes. Vous opérez un data lake analytique contenant PII et besoin de joindre des identifiants pour analytics ; quelles mesures techniques et anonymisation appliquer ?

Quelle est la meilleure décision ? Votre entrepôt doit respecter RPO=1h et RTO=4h sur plusieurs To de données ; vous voulez basculer rapidement sans coûts de maintenance excessifs : quelle stratégie DR choisir ?

Sélectionnez les propositions correctes. Pour une plateforme multi‑tenant analytics, comment appliquer FinOps tout en assurant isolation et bonne utilisation des ressources ?

Sélectionnez les propositions correctes. Pipeline streaming fortement variable, événements hors d'ordre et exigences réglementaires de conservation longue : quelles réponses architecturales pour backpressure, late data et rétention ?

Passez de la consultation à l’entraînement

Paramètres

Schéma de couleurs

Style de barre de navigation verticale