Description

Hadoop est certainement la technologie Open Source aujourd’hui associée le plus étroitement à la gestion des données en volume et les applications dites Big Data.

À qui s'adresse cette formation ?

Pour qui ?

Any person interested in Big Data And Hadoop

Prérequis

Les objectifs de la formation

Comprendre le Big Data et ses enjeux - Savoir déployer Hadoop et son écosystème
Comprendre HDFS, MapReduce
Structurer les données avec HBase
Ecrire des requêtes avec HiveQL
Lancer une analyse avec Pig

Programme de la formation

• Explain the fundamentals of Apache Hadoop, Data ETL (extract, transform, load), data processing using Hadoop tools
• Performing data analysis and processing complex data using Pig
  • » Architectures et technologies réseauxRéseaux d'opérateurs.
  • Réseaux d'accès.
  • Hauts débits.
  • Triple/quadruple play.
  • Solutions xDSL, EFM.
  • Techniques.
  • Câble.
  • Boucle locale optique.
  • Emergence des réseaux radio : Wifi, WiMax, Mesh, WiGig.
  • Réseaux cellulaires téléphoniques : EDGE, UTMS, HSDPA.
  • 4G et 5G.
  • Réseaux mobiles locaux.
  • Wifi (802.
  • 11 a/b/e/g/n), Bluetooth (802.
  • 15), ZigBee et UWB, Wifi Hostpot.
  • Architecture des réseaux locaux.
  • Câblage.
  • Technologies réseaux : Commutation, routage et commutation de label (Ethernet, IP, MPLS).
  • Routage Internet (intra-domaine et BGP).
  • QoS : Modèle DiffServ.
  • Téléphonie sur IP et vidéo.
  • Réseaux de distribution de contenu (CDN) et
  • Réseaux P2P.
  • Réseaux virtuels.
  • Les solutions SDN et leurs atouts.
  • Virtualisation des fonctions réseaux (NFV : Network Function Virtualisation).
  • OpenFlox et OpenStack.
  • Mobilité : déplacement du poste de travail.
  • Gestion de la mobilité réseau.
  • Handover, roaming et gestion de la mobilité.
  • Réseaux WIMAX 802.
  • 16IP Mobile et mobilité cellulaire, .
  • Evolution de l'architecture et des protocoles de l'Internet.
  • IPv6, Internet ambiant, Réseaux véhiculaires, etc.
  • Synthèse : interaction entre réseaux et applications.
  • Trafic.
  • Métrologie.
  • Perspectives.
• Perform data management and text processing using Hive Extending, troubleshooting, and optimizing Pig and Hive performance
• Analyze data with Impala
  • .
• Comparative study of MapReduce, Pig, Hive, Impala, and Relational Databases