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

• 14 heures

Coût/HT

Public Concerné

• Toute personne intéressée par le Big Data et l'analyse de données à grande échelle
• Développeurs Java débutants et expérimentés.
• Ingénieurs logiciels et administrateurs système.
• Professionnels en reconversion et consultants en IT.
• Étudiants en informatique et chefs de projet techniques.

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

• 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