Hadoop est un framework logiciel open source permettant de stocker des données, et de lancer ds applications sur des grappes de ... et prend en charge Microsoft Windows et d'autres composants afin d'étendre la polyvalence du framework pour le traitement et l'analyse de données.

OBJECTIFS PEDAGOGIQUES

  • Connaitre les fonctionnements d'Hadoop Distributed File System (HDFS) et YARN / MapReduce Savoir explorer HDFS et suivre l’exécution d’une application YARN Déterminer les fonctionnements et l'utilisation les différents outils de manipulation des données

PROGRAMME

RAPPEL DE L’ARCHITECTURE BI

  • Rappel du l'architecture décisionnelle
  • Les limites de la BI

INTRODUCTION AU BIG DATA ET À HADOOP

  • Définition du Big Data et ses cas d’usages
  • Les 3V du big Data
  • Big Data vs BI classique
  • Présentation de Hadoop

LES SOURCES DE DONNÉES

  • Pourquoi capturer les données ?
  • Les données internes de l'entreprise
  • Les données externes : Web
  • Les données externes : Open Data
  • Les données externes : Les réseaux sociaux

DATA LAKE

  • Définition du Data Lake
  • Comparaison des deux approches (BI vs Big Data)
  • Avantages et points de vigilance
  • Architecture du Data Lake

NOSQL

  • L'origine du NOSQL
  • Définition du NOSQL
  • ACID (SQL) vs CAP (Big Data)
  • Les différentes approches NoSQL

L’ÉCOSYSTÈME HADOOP

  • L'origine et pourquoi Hadoop
  • Le paradigme MapReduce et l’utilisation à travers YARN
  • Le système de fichier HDFS

CHARGEMENT DE DONNÉES SUR HADOOP

  • Chargement des données depuis une base de données relationnelle
  • Chargement des données depuis Hadoop
  • Utilisation et paramétrage avancée

MANIPULATION DES DONNÉES DANS UN CLUSTER HADOOP

  • HUE : Comment fonctionne cette interface Web ?
  • HIVE : paramétrages et requêtes sur HIVE / PIG : fonctionnement de Pig
  • HABSE : qu'est-ce que HABSE ?
  • Sqoop : Utilité de Sqoop / ElasticSearch
  • Oozie : paramétrage de workflow avec Oozie

PUBLIC

Développeurs, chefs de projet, Data Miners, chargés d'études statistiques, consultants en informatique décisionnelle

PRÉREQUIS

  • Connaissances de base des modèles relationnels, des statistiques et des langages de programmation Connaissances de base des concepts de la Business Intelligence
  • INFORMATIONS PRATIQUES

    HORAIRES DE LA FORMATION
    de 9 h 00 à 12 h 30 et de 13 h 30 à 17 h 00

    MÉTHODOLOGIE PÉDAGOGIQUE
    Théorie | Cas pratiques | Synthèse

    MODALITÉS D'ÉVALUATION
    Évaluation qualitative des acquis tout au long de la formation et appréciation des résultats