Big Data

• Comprendre les concepts du BigData et savoir quelles sont les technologies implémentées

Introduction au Big Data

• Le besoin: volumes importants de données, traitements optimisés de flux de données au fil de l’eau, liés aux nouvelles technologies et aux nouveaux usages
• Domaines concernés: recherche scientifique, médical, e-commerce, sécurité, …
• Développement des techniques sur différents aspects: stockage, indexation/recherche, calcul
• Définition ETL: Extract Transform Load
• Les acteurs

Stockage

• Caractéristiques NoSQL
• Structure de données proches des utilisateurs, développeurs
• Données structurées et non structurées, documents, images, fichiers XML, JSON, CSV, …
• Les différents modes et formats de stockage
• Stockage réparti: réplication, sharping, gossip protocl, hachage
• Systèmes de fichiers distribués: GFS, HDFS, HBase, BigTable,..
• Les bases de données
• Quelques exemples de produits et leurs caractéristiques: cassandra, MongoDB, CouchDB, DynamoDB, Riak, Hadoop

Indexation et recherche

• Moteurs de recherche
• Principe de fonctionnement
• Méthodes d’indexation
• Exemple de Lucene, et mise en oeuvre avec solr
• Recherche dans les bases de volumes importants
• Exemples de produits et comparaison: dremel, drill, elasticsearch, MapReduce

Calcul et restitution, intégration

• Différentes solutions: calculs en mode batch, ou en temps réel, sur des flux de données ou des données statiques
• Les produits: langage de calculs statistiques, R Statistics Language
• Outils de calcul sur des volumes importants: storm en temps réel, hadoop en mode batch
• Zoom sur Hadoop: complémentarité de HDFS et MapReduce

Évolutions

• Les offres Saas BigData comme Google BigQuery
• Les limites. Les nouveautés annoncées

Une attestation de participation sera transmise aux participants