Concept
MapReduce
Séances de cours associées (39)
Formats de données et brouillage de données avec Hadoop
Explore Apache Hive pour l'entreposage de données, les formats de données et la partition, avec des exercices pratiques dans la requête et la connexion à Hive.
Programmation parallèle de données : Processeurs vectoriels et SIMD
Explore la programmation parallèle aux données avec les processeurs vectoriels et SIMD, et présente MapReduce, Pregel et TensorFlow.
Défis Big Data : Computing distribué avec Spark
Explore les défis du Big Data, l'informatique distribuée avec Spark, les RDD, la configuration matérielle requise, MapReduce, les transformations et Spark DataFrames.
Modèles d'exécution informatiques distribués
Explore les défis à relever pour réduire au minimum le temps d'achèvement de l'emploi dans l'informatique distribuée, en mettant l'accent sur l'impact des données biaisées et le traitement efficace.
Optimisation avancée de l'étincelle
Déplacez-vous dans les techniques avancées d'optimisation Spark, en mettant l'accent sur la partition des données, les opérations de shuffle et la gestion de la mémoire.
Tolérance et récupération des erreurs: sécurité des données dans l'informatique distribuée
Explore la tolérance aux défauts, la sécurité des données et la récupération d'emplois dans les systèmes informatiques distribués.
MapReduce: Modèles d'exécution pour l'informatique distribuée
Présente le modèle de programmation MapReduce pour l'informatique distribuée, en mettant l'accent sur sa vision et ses mécanismes de sous-développement.
Scaling up : Spark et Big Data
Explore les défis du traitement des données volumineuses et présente Spark en tant que solution.
Intégrer le stockage de données évolutives et la carte Réduire le traitement avec Hadoop
Couvre l'intégration du stockage de données évolutives et de la carte réduisent le traitement à l'aide de Hadoop, y compris HDFS, Hive, Parquet, ORC, Spark et HBase.
Indexation pour la récupération d'informations
Explore les techniques d'indexation, les fichiers inversés, les modèles map-reduce et l'utilisation de trie pour une récupération d'informations efficace.