Objectifs pédagogiques

• Configurer et administrer un cluster Hadoop en fournissant une base solide les pour les futurs administrateurs système.
• Acquérir une compréhension approfondie des concepts fondamentaux du stockage distribué (HDFS) et du calcul distribué (MapReduce)
• Optimiser les performances des opérations MapReduce.
• Intégrer Hadoop avec d'autres technologies pour l'ingestion de données en temps réel.
• Mener des projets pratiques impliquant l'écosystème Hadoop.

Durée

• 21 Heures

Cout/HT

• 1500€

Prérequis

• Connaissances de base en programmation.
• Familiarité avec Unix/Linux.
• Notions en bases de données et SQL.
• Compréhension des concepts de bases de données distribuées.
• Curiosité et motivation pour le Big Dataà apprendre et à explorer.

Moyens pédagogiques et d’encadrement

• Cours théorique assurés par des formateurs expérimentés
• Support de cours détaillés
• Séries d’exercices et travaux pratiques
• Un pc avec accès à tous les outils nécessaires au cours

Suivi et évaluation des résultats

• Examen écrit
• Compte rendu individuel
• Attestation de présence
• Enquête de de satisfaction

Programme

• I. Introduction Big Data
• Histoire du Big Data
• Les 3 V
• Les 5 V
• Les buts
• Motivations
• Quelques défis :
• Scalabilité :
• Scalabilité verticale
• Scalabilité horizontale
• Tolérance aux pannes :
• Matériels
• Indisponibilité de ressources
• Répondre à la tolérance aux pannes :
• Rencontre avec Hadoop
• Ecosystème Hadoop
• Les Use cases :
• Marketing
• Analyse de tweets
• Le Sport
• La sécurité publique
• II. Introduction aux services de bases de l’écosystème Hadoop
• Définitions
• Yarn
• Zookeeper
• Map reduce vs Tez
• HDFS
• Définitions
• NameNode
• DataNode
• Architecture
• Réplication
• Gestion des pannes
• Zookeeper et interactions avec les NameNode & DataNode
• Ecriture dans HDFS
• Lecture Depuis HDFS
• MapReduce
• Intuition et concept de base
• MapReduce en action
• TP : Mise en place d'un cluster hadoop (Ambari)

Modalité d’accès