Le document traite du big data, défini comme des ensembles de données si volumineux qu'ils nécessitent des technologies spécifiques pour leur gestion. Il aborde les défis liés aux 3V du big data : volume, variété et velocité, ainsi que l'utilisation de frameworks comme Hadoop et des outils comme MapReduce pour le traitement des données. Enfin, il souligne l'importance croissante des données générées par les smartphones et les défis liés à leur stockage et utilisation.

1. Big Data

2. Plan
Problématique
Définition du Big Data
Big Data et 3V
Data wahrehouse VS Big Data
Domaines d’utilisations
Les techniques de traitement
Conclusion
Big Data et Aspect Mobile

3. Problématique
• 1.8 Zettaoctets ont été produits en 2011
• 2,5 trillions d’octets de données chaque jour
• 90% des données dans le monde ont été créées au cours des deux dernières
années seulement.

4. …de données stockées en 2011
(*)1,8 Zo
Bases de données
Capteurs
Puces Internet
Réseaux sociaux
Appareils
numériques
Moyens de paiement
Ordinateurs
RFID
Mobilité
…de données générées
sur internet en 2010
800 Md Go
Videos
…de croissance des données prévue
Sur la seule année 2012
48%
…de croissance annuelles
des données non structurées
50 à 75%

5. Problématique
Ces données sont appelées Big Data ou volumes massifs
de données.

6. Définition
• Les big data (grosses données), parfois appelées données massives, des
ensembles de données qui deviennent tellement volumineux qu'ils en deviennent
difficiles à travailler avec des outils classiques de gestion de base de données ou
de gestion de l'information.
• Il s’agit donc d’un ensemble de technologies, d’architecture, d’outils et de
procédures permettant à une organisation de très rapidement capter, traiter et
analyser de larges quantités et contenus hétérogènes , structurées ,non-
structurées et changeants, et d’en extraire les informations pertinentes à un coût
accessible.

7. Big Data et 3V
• La difficulté de traitement du « Big Data » s’explique par
Leur volume,
Leur velocité
Et leur variété

8. Big Data et 3V
• Volume
 Quantité de données généré est très importante.
 La taille des données détermine la valeur et le potentiel des données en cours d'examen.
 Le nom «Big Data» contient un terme liée à la taille
• Variété
 Pas de données relationnelles traditionnelles
 Les données sont brutes, semi-structurées voire non structurées
 Des données complexes provenant du web, du format texte et des images .
Les analyses sont d’autant plus complexes qu’elles portent de plus en plus sur les liens entre des données de natures
différentes.
• Velocity
 La fréquence à laquelle les données sont générées, capturées et partagées.
 Permet de répondre aux exigences et aux défis qui nous attendent dans le chemin de la croissance et le
développement.

9. Data warehouse VS Big Data
• Les environnements d’analyses Big data ne visent pas à remplacer les
data warehouse traditionnels mais à les compléter
• Solution big data: technologie
• Data warehouse : architecture

10. Data warehouse VS Big Data
DATA WAREHOUSE (BI traditionnelle) BIG DATA
Sources de données essentiellement
internes, connues et structurées
Nombreuses sources externes
Modèles de données stables Importants volumes de données non-
structurées
La majorité des données sont des
données historiques
L’analyse est faite sur des données qui
restent dans leur état brut

11. Domaines d’utilisations: log files
• Les fichiers journaux de serveurs Web représentent un trésor de données que les entreprises peuvent mine pour
gagner une compréhension profonde des habitudes d'achat des clients, l'utilisation des médias sociaux, web
publicité l'efficacité et d'autres mesures qui informent des décisions d'affaires.
• Chaque clic depuis une page Web peut créer de l'ordre de 100 octets de données dans un journal de site typique.
• Par conséquent, de grands sites Web de manutention des millions de visiteurs simultanés peuvent générer des
centaines de gigaoctets ou même des téraoctets de grumes par jour.
• Débusquer les pépites d'informations précieuses à partir de cette masse de données peut nécessiter des
algorithmes très sophistiqués.
• De nombreuses organisations se tournent vers les logiciels libres utilitaires trouvés dans l'écosystème Hadoop pour
analyser ces Big Data.
• Le choix d'un outil particulier dépend des besoins de l'analyse, l'ensemble de l'analyste de données de
compétences, et le compromis entre le temps de développement et le temps d'exécution.

12. Hadoop

13. Hadoop: Qu’est ce que c’est ?
o Framework Java open source .
o pour le stockage et le traitement distribués de grosses
volumétries de données.
o Consister deux grandes parties :
HDFS (Hadoop Distributed File System)
MapReduce

14. HDFS(Hadoop Distributed Files System)
 Un système de fichiers large ,distribué et scalable
 Ou moins 10K nœuds ,100 milles de fichiers
 HDFS pour stocker de très gros volumes de données sur un grand nombre
de machines(nœuds).
 Principe :
1. HDFS crée des blocs entre 64MB et 256MB.
2. Chaque bloc est enregistré dans un nœud (Datanode)différent du cluster
3. Répliquée plusieurs fois.

15. NameNode DataNode
1. NameNode :
 s’exécute sur une machine séparée(cluster).
 Contient des métadonnées.
 Association entre les bloc et leurs emplacement sur data
Nœuds
 Moteur de réplication des blocs.
2. Data Node
 Un serveur de bloc
 Rapport des bloc
 Faciliter les échanges des donnes entre les
nœuds

16. MapReduce

17. Definition
MapReduce est un cadre logiciel qui permet aux
développeurs d'écrire des programmes qui traitent des
quantités massives de données non structurées en
parallèle sur un distribuée ...

18. Principe
Consiste à découper le traitement en 2 phases :
• la première phase (Map) est une étape d'ingestion et de transformation
des données sous la forme de paires clé/valeur
• la seconde phase (Reduce) est une étape de fusion des
enregistrements par clé pour former le résultat final

19. Des langages pour
faciliter les requêtes sur Hadoop
1. HIVE
2. PIG

20. Mahout
1. Définition
2. Principe

21. • Mahout est un API Java dédié aux algorithmes d’apprentissage, à
savoir:
 Recommandation
 Clustering
 Classification
• Mahout supporte l’écosystème Hadoop.
• Les algorithmes sont programmés sous le paradigme MapReduce

22. Principe
 Bibliothèque d’apprentissage automatique.
 Permet de :
 Déterminer des éléments qu’un utilisateur pourra apprécier
selon son comportement
 Grouper des documents
 Affecter automatiquement des catégories aux documents.

23. Hadoop un écosystème riche et complexé

24. Big Data et Aspect
Mobile

25. Smartphones : le véritable générateur de
données volumineuses
• Plus de six milliards de smartphones utilisés génèrent des données massives.
• Chaque utilisateur de smartphone génère environ 60 gigaoctets de données
chaque année
• On stocke plus de 335 exaoctets d'informations chaque année avec seuls
smartphones.

26. Photo
Ect…
Recherche
Texte
appel
téléphonique
e-mailVidéo
Stocker
 Stockage des données issues des Smartphones

27. Nécessité du Stockage:
Toute information peut être utile !
• Des patrons d'utilisation de smartphones ont aidé les chercheurs en Afrique déterminer où
les épidémies de paludisme se produisaient et où les personnes touchées sont allés.
• De cette manière, les chercheurs ont pu déterminer où distribuer les meilleurs médicaments
de manière plus efficace.
• Bientôt, que les appareils mobiles sont utilisés plus fréquemment pour acheter des biens et
services, les informations générées seront exploités pour déterminer où vous allez faire des
emplettes, quels sont vos intérêts et même quelle marque de café que vous aiment, afin que
les annonceurs et les autres peuvent identifier vos besoins et les désirs.
• Voilà ce qu’on appelle les réseaux de stockage intelligente - faisant usage de grand stockage
de données à exploiter cette information.

28. Mobile et Big Data : les défis
• Tout les données doivent être stockées quelque part
• Se qui signifie:
 L'industrie du stockage est dans une course pour fournir des densités plus élevées et
supérieures de dispositifs de stockage de données à moindre coût
 La technologie de déduplication de données devient encore plus important.

29. Conclusion
• le Big Data ne représente pas une opportunité de disruption par un nouveau
modèle, mais un moyen de plus en plus incontournable d’optimiser leur
efficience et donc leur compétitivité.

30. Merci pour votre attention