Prof. Aristidis Anagnostopoulos: i libri dei suoi insegnamenti

1. Che cosa si intende per big data e quali caratteristiche li definiscono?
2. Quali sono i principali paradigmi per l'elaborazione distribuita di grandi volumi di dati?
3. Come funziona il modello di programmazione MapReduce e quali fasi prevede?
4. Che cosa si intende per file system distribuito e quali garanzie offre?
5. Quali differenze ci sono tra elaborazione batch ed elaborazione in tempo reale?
6. Come si progetta un sistema di streaming per l'analisi di dati continui?
7. Quali strumenti si usano per l'elaborazione in memoria di grandi dataset?
8. Come si garantisce la tolleranza ai guasti in un cluster di elaborazione?
9. Quali sono i vantaggi e i limiti dei database NoSQL rispetto a quelli relazionali?
10. Come si partiziona un dataset tra più nodi di un cluster?
11. Che cosa si intende per teorema CAP e come si applica nella progettazione?
12. Come si ottimizzano le query su dataset di grandi dimensioni?
13. Quali tecniche si usano per la compressione dei dati in un sistema distribuito?
14. Come si misura la scalabilità di un sistema di elaborazione parallela?
15. Che cosa si intende per legge di Amdahl e quale limite impone?
16. Come si gestisce la consistenza dei dati replicati su più nodi?
17. Quali pratiche si adottano per la sicurezza dei dati in un ambiente distribuito?
18. Come si costruisce una pipeline di dati affidabile dalla raccolta all'analisi?
19. Quali sono i costi e i benefici del calcolo in cloud per l'elaborazione di grandi quantità di dati?
20. Come si valuta la qualità dei dati in un flusso di elaborazione su larga scala?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.