Formats de données et brouillage de données avec Hadoop

Cette séance de cours couvre l'utilisation d'Apache Hive comme entrepôt de données pour la gestion de grands ensembles de données, y compris les formats de données, les querelles de données et le partitionnement. Les sujets incluent HiveQL, schéma en lecture, stockage de données, partitionnement, et Hive sous le capot. La séance de cours explore également les formats de stockage HDFS populaires, les équivalents Hive dans les solutions cloud, et les différences entre HDFS et Hive. Les exercices pratiques consistent à créer des tables externes, à interroger les données et à se connecter à Hive en utilisant PyHive.