Data analyst cloudera : utiliser hive et impala avec hadoop (certifiant cca data analyst)

Fondamentaux d’Hadoop

L’intérêt d’Hadoop
Vue globale d’Hadoop
HDFS
MapReduce
L’écosystème Hadoop
Explication de scenarios de laboratoire
Exercices « Hands-On » : ingestion de données avec les outils Hadoop

Qu’est-ce que Hive ?
Schema Hive et stockage de données
Comparer Hive aux bases de données traditionnelles
Hive vs. Pig
Cas d’utilisation de Hive
Interagir avec Hive

Bases de données et tableaux Hive
Syntaxe HiveQL basique
Types de données
Assembler des ensembles de données
Fonctions communes de Built-in
Exercice « Hands-On » : « Running Hive Queries on the Shell, Scripts and Hue »

Formats de données Hive
Créer des bases de données et tableaux de management Hive
« Altering Databases and Tables »
Tableaux auto-managés
Simplifier les requêtes avec Views
Stocker les résultats de requêtes
Contrôler l’accès aux données
Exercice « Hands-On » : management des données avec Hive

Vue d’ensemble du traitement de texte
Fonctions String importantes
Utiliser des expressions habituelles dans Hive
« Sentiment Analysis » et « N-Grams »
Exercices « Hands-On » (optionnels) : se faire une idée de l’analyse de sentiment

Comprendre la performance de requête
Contrôler le plan d’exécution des tâches
Partitionner
« Bucketing »
Indexer les données

SerDes
Transformation de données avec des Scripts personnalisés