QCM : Big Data

31

Question à choix multiples

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 arrivent en flux et parfois partiels, et vous voulez minimiser la réconciliation coûteuse et la perte de granularité. Quelle est la meilleure décision ?

Définir un fait snapshot périodique (ex. journalier) et recalculer les agrégats par batch en rejetant/filtrant les événements partiels à l'ingestion.
Stocker un fait évènementiel append‑only au grain atomique (chaque événement enregistré) et dériver des vues matérialisées agrégées asynchrones basées sur event‑time avec correction par watermark. Bonne réponse
Conserver uniquement événements validés après réconciliation et maintenir un journal de corrections séparé pour patcher le fait historique.
Utiliser un accumulating snapshot avec upserts in‑place pour minimiser l'espace et éviter la maintenance de vues matérialisées.

Explication

Quelle est la meilleure décision ? Stocker les faits au grain atomique et dériver des agrégats asynchrones permet de préserver granularité et de réconcilier incrémentalement.

32

Question à choix multiples

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

Déployer Debezium vers Kafka en Avro avec Schema Registry configuré en BACKWARD_TRANSITIVE et produire tombstones pour deletes, et consumer side usage de topics compactés. Bonne réponse
Envoyer JSON libre sans Schema Registry ; les consommateurs s'adaptent via feature flags et compatibilité ad hoc.
Embarquer le schéma complet dans chaque message (self‑describing) et laisser les consommateurs valider et migrer à la volée.
Publier vers un topic compacté en Avro avec Schema Registry en BACKWARD et inclure tombstones ; ajouter metadata d'opération (c/u/d) dans le payload. Bonne réponse

Explication

Sélectionnez les propositions correctes. Avro + Schema Registry avec topics compactés et tombstones minimise ruptures et gère deletes proprement.

33

Question à choix multiples

Pour un magasin clé‑valeur géo‑répliqué où la disponibilité pendant partitions est prioritaire mais certaines opérations financières exigent read‑your‑writes et monotonic reads, Quelle est la meilleure décision ?

Exposer paramètres R/W configurables et implémenter tokens de session (affinité de session) assurant read‑your‑writes même avec réplication éventuelle (augmenter R/W quand nécessaire). Bonne réponse
Forcer synchronisation cross‑region synchrone pour toutes écritures critiques afin de garantir cohérence forte.
Utiliser vector clocks et résolution client pour tous objets, en documentant conflits aux applications.
Mettre en place un leader global par clé (primary‑backup) avec failover long mais écrire toujours via leader.

Explication

Quelle est la meilleure décision ? Paramétrer quorums et tokens de session offre le meilleur compromis latence/disponibilité tout en fournissant garanties sessionnelles.

34

Question à choix multiples

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 ?

Utiliser Raft avec un leader élu, optimiser le placement du leader proche des auteurs d'écritures, et activer batching/pipelining des entrées. Bonne réponse
Adopter un consensus multi‑maître (multi‑leader) et résoudre conflits via CRDTs commutatifs pour réduire latence d'écriture.
Externaliser les écritures vers une base transactionnelle globale garantissant serializable isolation et en faire la source de vérité.
Utiliser un système leaderless sur quorum (type Dynamo/Cassandra) en tentant d'assurer linéarisation via horodatages externes.

Explication

Quelle est la meilleure décision ? Raft/leader procure linéarisation prévisible; optimiser placement et batching minimise la latence d'écriture.

35

Question à choix multiples

Pour rendre observables des pipelines ETL massifs et permettre un diagnostic rapide des régressions qualité, quelles pratiques déployer ?

Instrumenter chaque transformation pour émettre métriques, histogrammes et checksums colonne‑niveau, produire events d'anomalie et conserver séries temporelles de qualité. Bonne réponse
Capturer et propager métadonnées de lineage fine (champ→champ) dans un catalogue central, versionner schémas et règles de qualité, et rendre le linéage interrogeable. Bonne réponse
S'appuyer exclusivement sur logs d'exécution et tableaux de bord manuels pour diagnostiquer, sans linéage automatisé.
Conserver seulement samples d'échantillons pour debug et éviter de stocker des métadonnées volumineuses pour raison de performance.

Explication

Sélectionnez les propositions correctes. Métriques colonne‑niveau + lineage versionné dans le catalogue accélèrent le diagnostic et isolent les régressions.

36

Question à choix multiples

Vous opérez un data lake contenant des PII et devez permettre des jointures analytiques tout en minimisant la surface d'attaque et en respectant GDPR. Quelles mesures techniques combiner ?

Chiffrer champ‑par‑champ en AES avec clés par colonne et stocker les clés en clair dans le metastore pour faciliter les joins.
Utiliser une pseudonymisation déterministe (hash + salt par tenant ou clé HSM) pour les clés de jointure, et conserver les données brutes chiffrées séparément accessibles seulement via accès restreint. Bonne réponse
Appliquer chiffrement homomorphe généralisé pour permettre joins sans exposer les données brutes.
Combiner RBAC/ABAC fin par colonne, journalisation d'accès, et appliquer differential privacy sur les sorties destinées aux consommateurs non‑privilegiés. Bonne réponse

Explication

Sélectionnez les propositions correctes. Pseudonymisation déterministe pour joins + contrôles d'accès et DP sur sorties offrent un bon compromis sécurité/analyticité.

37

Question à choix multiples

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 de reprise choisir ?

Répliquer synchronously cross‑region vers un cluster chaud identique (active‑passive), coût très élevé mais RTO minimal.
Mettre en place une warm‑standby : réplication asynchrone continue, snapshots incrémentaux, et compute minimal pré‑allocé pour une bascule rapide. Bonne réponse
Conserver backups froids (cold backup) avec snapshots journaliers et restauration à la demande.
Reconstituer l'entrepôt à partir des sources CDC et réingestion complète au moment de la bascule.

Explication

Quelle est la meilleure décision ? Warm‑standby asynchrone avec compute minimal pré‑alloué et snapshots incrémentaux atteint RPO=1h et RTO≈4h à coût modéré.

38

Question à choix multiples

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

Imposer namespaces isolés, tagging de coûts, quotas CPU/RAM/IO par tenant et automatiser scaling + facturation basée sur usage réel. Bonne réponse
Toujours provisionner des clusters dédiés par tenant pour isolation stricte et répartir coûts fixes proportionnellement.
Utiliser un scheduler multi‑tenant (containers/pods) avec pools de ressources partagés, SLO/QoS par tenant, et allocation de coût via règles d'attribution et priorisation SLO. Bonne réponse
Limiter latence et coût en restreignant l'accès aux features avancées aux seuls gros payeurs sans appliquer quotas techniques.

Explication

Sélectionnez les propositions correctes. Tagging + quotas et scheduler multi‑tenant avec pools et SLO permettent isolation, optimisation et allocation de coût.

39

Question à choix multiples

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

Implémenter backpressure de bout en bout (Reactive Streams) avec buffers bornés et spill‑to‑disk/persistent queue ; watermarking event‑time avec allowed lateness et réconciliation via retractions/reprocessing. Bonne réponse
Accepter tous événements sans backpressure et mettre tout en mémoire pour réordonner avant traitement.
Augmenter agressivement le lateness window (délais importants) pour réduire out‑of‑order au détriment de latence.
Séparer hot path (temps réel best‑effort) et cold path (late events) ; conserver événements immuables long terme pour reprocessing et appliquer policies de rétention conformes. Bonne réponse

Explication

Sélectionnez les propositions correctes. Backpressure borné + spill persistant et séparation hot/cold avec stockage immuable long terme gèrent variabilité, lateness et conformité.

40

Question à choix multiples

Vous devez appliquer rétention et suppression tenant‑aware avec holds légaux et conserver traçabilité des suppressions sur un data lake ; quelle est la meilleure décision ?

Implémenter un moteur de rétention piloté par métadonnées : tags de rétention par dataset/tenant, audit trail immutable, marqueurs de suppression et effacement physique via jobs périodiques (cryptographic erasure si possible). Bonne réponse
S'appuyer uniquement sur lifecycle S3 générique sans métadonnées tenant‑aware et laisser expiration automatique opérer.
Supprimer l'accès en supprimant uniquement les clés de chiffrement (crypto‑erasure) sans effacer les objets.
Conserver tous les objets immuables et refuser toute suppression pour simplifier l'exploitation.

Explication

Quelle est la meilleure décision ? Moteur de rétention piloté par métadonnées, audit immutable et suppression graduée assurent conformité et traçabilité.

QCM

QCM de « Big Data »

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

Pour un magasin clé‑valeur géo‑répliqué où la disponibilité pendant partitions est prioritaire mais certaines opérations financières exigent read‑your‑writes et monotonic reads, 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 ?

Pour rendre observables des pipelines ETL massifs et permettre un diagnostic rapide des régressions qualité, quelles pratiques déployer ?

Vous opérez un data lake contenant des PII et devez permettre des jointures analytiques tout en minimisant la surface d'attaque et en respectant GDPR. Quelles mesures techniques combiner ?

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 de reprise choisir ?

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

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

Vous devez appliquer rétention et suppression tenant‑aware avec holds légaux et conserver traçabilité des suppressions sur un data lake ; quelle est la meilleure décision ?

Passez de la consultation à l’entraînement

Paramètres

Schéma de couleurs

Style de barre de navigation verticale