Concept
MapReduce
Séances de cours associées (39)
Modèles d'exécution de calcul distribué: Spark Ecosystem
Explore l'écosystème des étincelles dans l'informatique distribuée et critique les limites de MapReduce.
Big Data: Meilleures pratiques et lignes directrices
Couvre les meilleures pratiques et les lignes directrices pour les mégadonnées, y compris les lacs de données, l'architecture, les défis et les technologies comme Hadoop et Hive.
Introduction générale aux données massives
Couvre les outils de science des données, Hadoop, Spark, les écosystèmes des lacs de données, le théorème CAP, le traitement par lots vs. flux, HDFS, Hive, Parquet, ORC, et l'architecture MapReduce.
Data Wrangling avec Hive : gérer efficacement le Big Data
Couvre les techniques de querelles de données en utilisant Apache Hive pour une gestion efficace des big data.
Écosystèmes Big Data : technologies et défis
Couvre les fondamentaux des écosystèmes de big data, en se concentrant sur les technologies, les défis et les exercices pratiques avec le HDFS d'Hadoop.
Hadoop : Modèles d'exécution
Explore les modèles d'exécution de Hadoop, la tolérance aux défauts, la localisation des données et la programmation, soulignant les limites de MapReduce et d'autres cadres de traitement distribué.
Big Data: Meilleures pratiques et lignes directrices
Couvre les pratiques exemplaires et les lignes directrices pour les mégadonnées, y compris les lacs de données, l'architecture typique, les défis et les technologies utilisés pour y remédier.
Écosystème Hadoop : Choix architecturaux et programmation MapReduce
Explore l'architecture de l'écosystème Hadoop et le modèle de programmation MapReduce, en mettant l'accent sur les forces et les limites.
L'échange de données avec Hadoop
Couvre les techniques de manipulation des données à l'aide de Hadoop, en se concentrant sur les bases de données axées sur les lignes et les colonnes, les formats de stockage populaires et l'intégration HBase-Hive.
Décisions d'ordonnancement : Data Locality et Multitenancy
Explore la localisation des données dans la planification des décisions pour les plates-formes multi-locataires et discute de l'architecture d'Hadoop, des optimisations du moteur d'exécution et des stratégies de tolérance aux pannes.