Preparing Practice Exam…
Please wait a moment while the system generates the exam questions, answers, and study session.
Please wait a moment while the system generates the exam questions, answers, and study session.
Google Cloud Certified Professional Data Engineer · Google Cloud
Select one answer.
Written by other learners. Comments can disagree with the marked answer — check the official documentation when in doubt.
The most appropriate method to write complex ETL pipelines requiring explicit checkpointing and splitting pipelines directly on an Apache Hadoop cluster is Mapreduce. Java or Python both are supported but Java is primary language and so Option C
Réponse : C Explication : La bonne réponse ici est C. Java using MapReduce. Explication rapide : Tu parles de besoin de "checkpointing" et "splitting pipelines". PigLatin (Pig) et HiveQL (Hive) sont des langages déclaratifs (de plus haut niveau), pas faits pour un contrôle précis sur la manière dont les jobs se séquencent, checkpointent ou s'articulent. MapReduce en Java te donne un contrôle total sur : L'ordonnancement précis. Le checkpointing manuel. Le découpage et le chaînage des étapes. Python avec MapReduce est possible mais beaucoup moins natif ; Hadoop est conçu principalement pour Java MapReduce, donc en Python ce serait plus compliqué, plus fragile et moins performant. Résumé rapide pour que tu t'en souviennes : 👉 Besoin de contrôle précis sur la logique ETL complexe = MapReduce en Java.
MapReduce in Java (C) allows more control for checkpointing and splitting.