Objectifs, programme, validation de la formation
Objectifs
Comprendre le Big Data et ses enjeux - Savoir déployer Hadoop et son écosystème - Comprendre HDFS, MapReduce - Structurer les données avec HBase - Écrire des requêtes avec HiveQL - Lancer une analyse avec Pig
Description, programmation
Introduction au Big Data
Qu’est-ce que le Big Data ?
Source des données : l’homme, la machine
La problématique de taille
Position de Hadoop dans le paysage
Introduction à Hadoop
L’origine du projet
Le système de fichiers HDFS
Comprendre l’algorithme MapReduce
L’environnement d’Hadoop : HBase, ZooKeeper, Hive, Pig…
L’API YARN
Mettre Hadoop en place : HDFS
Du mode autonome au mode complètement distribué en cluster
Pré-requis, distributions Hadoop
Cluster Hadoop : NameNode, ResourceManager, DataNode, NodeManager
Les fichiers de configuration
Opérations de base sur le cluster HDFS : formatage, démarrage, arrêt
Atelier pratique : installer Hadoop sur 2 nœuds, formater et manipuler HDFS
Travailler avec MapReduce
L’intérêt de MapReduce
Mappers, reducers, parallélisme et indépendance des traitements
Entrées, sorties
Soumission d’un job à Hadoop
Atelier pratique : exécuter une tâche via MapReduce, avec sortie dans HDFS
Une base de données distribuée : HBase
L’accès aléatoire, temps réel, lecture-écriture au Big Data
Fonctionnalités de HBase, NoSQL
Pré-requis, configuration
Manipulation via le shell HBase
Atelier pratique : mettre en place HBase sur Hadoop, créer et manipuler une table
Et pourquoi pas un peu de SQL avec Hive ?
Présentation de Hive
Gérer le schéma : bases, tables, vues, partitions
Manipulation des données, requêtes et map-reduce avec HiveQL
Audits et journal d’erreurs
Atelier pratique : chargement de données massives dans Hive, requêtes
Analyser les données avec Pig
Présentation, installation du projet Apache Pig
Exécutions de Pig en local, en mode map-reduce
Scripter pour Pig
Le langage Pig Latin
Manipulations de données et stockage avec Pig
Atelier pratique : écrire un script contenant du Pig Latin pour une tâche simple, et l’exécuter en local, puis en mode map reduce.
Aller plus loin avec Hadoop
Gérer les logs et l’audit de tâches Hadoop
Découvrir MRUnit pour les test unitaires dans Hadoop
Débogage en local
Surveillance des perfomances
Atelier pratique : mise en place d’un job MapReduce plus complexe avec traces et tests unitaires
Type de formation
Perfectionnement, élargissement des compétences
Niveau de sortie information non communiquée
Durée, rythme, financement
Durée 28 heures en centre
Modalités de l'alternance Se rapprocher du centre pour ces modalités
Conventionnement Non
Conditions d'accès
Niveau d'entrée sans niveau spécifique
Conditions spécifiques et prérequis Connaissances en administration système, préférablement Java
Inscription
Contact renseignement Madame Frédérique DENIAUD
Téléphone 09-72-37-73-73
Périodes prévisibles de déroulement des sessions
Session débutant le : 01/01/2020
Adresse d'inscription
1 rue ESQUERMOISE 59800 Lille
Lieu de formation
Adresse :