Big Data : Programmer Hadoop en Java

Présentation d’Hadoop

• Évaluer la valeur que peut apporter Hadoop à l’entreprise
• Examiner l’écosystème d’Hadoop
• Choisir un modèle de distribution adapté

Exécution des programmes en parallèleDéfier la complexité de la programmation parallèle

• Examiner les difficultés liées à l’exécution de programmes parallèles : algorithmes, échange des données
• Évaluer le mode de stockage et la complexité du Big Data

Programmation parallèle avec MapReduce

• Fragmenter et résoudre les problèmes à grande échelle
• Découvrir les tâches compatibles avec MapReduce
• Résoudre des problèmes métier courants

Mise en œuvre de tâches dans MapReduceAppliquer le paradigme Hadoop MapReduce

• Configurer l’environnement de développement
• Examiner la distribution Hadoop
• Étudier les démons Hadoop
• Créer les différents composants des tâches MapReduce
• Analyser les différentes étapes de traitement MapReduce : fractionnement, mappage, lecture aléatoire et réduction

Créer des tâches MapReduce complexes

• Choisir et utiliser plusieurs outils de mappage et de réduction, exploiter les partitionneurs et les fonctions map et reduce intégrées, analyser les données en séries temporelles avec un second tri, rationaliser les tâches dans différents langages de programmation

Personnalisation de MapReduceRésoudre les problèmes de manipulation des données

• Exécuter les algorithmes : tris, jointures et recherches parallèles, analyser les fichiers journaux, les données des média sociaux et les courriels

Mise en œuvre des partitionneurs et des comparateurs

• Identifier les algorithmes parallèles liés au réseau, au processeur et aux E/S de disque
• Répartir la charge de travail avec les partitionneurs
• Contrôler l’ordre de groupement et de tri avec les comparateurs
• Mesurer les performances avec les compteurs

Persistance du Big Data avec les magasins de données distribuéesBien–fondé des données distribuées

• Optimiser les performances du débit des données
• Utiliser la redondance pour récupérer les données

Interfacer avec le système de fichiers distribué Hadoop

• Analyser la structure et l’organisation du HDFS
• Charger des données brutes et récupérer le résultat
• Lire et écrire des données avec un programme
• Manipuler les types SequenceFile d’Hadoop
• Partager des données de référence avec DistributedCache

Structurer les données avec HBase

• Passer du stockage structuré au stockage non structuré
• Appliquer les principes NoSQL avec une application de modèle à la lecture, se connecter à HBase à partir des tâches MapReduce, comparer HBase avec d’autres types de magasins de données NoSQL

Simplification de l’analyse des données avec les langages de requêteExploiter la puissance de SQL avec Hive

• Structurer bases de données, les tables, les vues et les partitions
• Intégrer des travaux MapReduce avec des requêtes Hive
• Lancer des requêtes avec HiveQL
• Accéder aux servers Hive via IDBC, ajouter des fonctionnalités à HiveQL avec les fonctions définies par l’utilisateur

Exécuter des workflows avec Pig

• Développer des scripts Pig Latin pour consolider les workflows, intégrer des requêtes Pig à Java
• Interagir avec les données par le biais de la console Grunt
• Étendre Pig avec les fonctions définies par l’utilisateur

Gestion et déploiement de solutions Big DataTester et déboguer le code Hadoop

• Enregistrer des événements importants à auditer et à déboguer
• Valider les spécifications avec MRUnit
• Déboguer en mode local

Déployer, surveiller et affiner les performances

• Déployer la solution sur un cluster de production, utiliser des outils d’administration pour optimiser les performances, surveiller l’exécution des tâches via les interfaces utilisateur web