Questão de Ciência de Dados · FGV SEFAZ-MG 2022 - Tarde (nº 8)

O HDFS (Hadoop Distributed File System) é um sistema de armazenamento que divide arquivos grandes em pedaços menores, chamados blocos, e os replica (cria cópias) em diferentes servidores (DataNodes) para garantir que os dados não sejam perdidos se um servidor falhar.

• (A) Incorreta: Esta afirmação é correta. Durante o Safemode, o NameNode (o "cérebro" do HDFS) está verificando a integridade do sistema e não permite operações de escrita ou replicação para evitar inconsistências.
• (B) Incorreta: Esta afirmação é correta. O fator de replicação (quantas cópias de cada bloco) pode ser definido ao criar um arquivo e pode ser ajustado posteriormente com comandos específicos.
• (C) Incorreta: Esta afirmação é correta. O HDFS é otimizado para gravação única e leitura múltipla. Embora existam exceções para adicionar dados ao final (acréscimos) ou reduzir o tamanho (truncamentos) em versões mais recentes, o princípio geral é que um arquivo não pode ser modificado arbitrariamente após ser escrito, e apenas um processo pode escrever nele por vez para manter a consistência. Armadilha da banca: A menção de "exceção para acréscimos e truncamentos" pode confundir, mas essas são operações controladas que não violam o modelo fundamental de "write-once" e "single writer" do HDFS.
• (D) Correta: Esta afirmação é incorreta. Um bloco é considerado "replicado com segurança" no HDFS se tiver pelo menos uma réplica disponível. O NameNode trabalha para manter o fator de replicação desejado (que é 3 por padrão), mas a segurança contra perda imediata de dados é garantida com uma única réplica. Se um bloco tem menos de três réplicas, ele é considerado "sub-replicado", e o NameNode iniciará o processo de criação de novas réplicas, mas não significa que o bloco esteja "inseguro" no sentido de estar perdido. A armadilha aqui é que o fator de replicação padrão é 3, então a banca tenta induzir a pensar que a segurança depende de ter as 3 réplicas verificadas.
• (E) Incorreta: Esta afirmação é correta. Para garantir a tolerância a falhas, o HDFS não armazena múltiplas réplicas do mesmo bloco em um único DataNode. Assim, o número máximo de réplicas que um bloco pode ter é limitado pelo número total de DataNodes ativos no cluster.