Télécharger en tant que PDF, PPTX
![Sources
• [6, 10] : Hortonworks : Operations Management with HDP
• [8, 11, 12] : http://www.slideshare.net/1Strategy/2016-utah-cloud-summit-big-
data-architectural-patterns-and-best-practices-on-aws](https://image.slidesharecdn.com/20161215morningtechbigdata-170319170234/85/Oxalide-MorningTech-1-BigData-31-320.jpg)
Téléchargé parLudovic Piot
Oxalide MorningTech #1 - BigData
Le document présente les différentes thématiques abordées lors des événements organisés par Oxalide, axés sur les technologies Big Data et les enjeux associés. Il décrit les types de sessions, y compris des rencontres informelles et des ateliers techniques pour les clients, ainsi que l'évolution des stratégies de gestion des données face à l'explosion des volumes et variétés de données. Enfin, il aborde des concepts clés du Machine Learning et des plateformes de traitement de données en temps réel, soulignant leur importance dans le contexte des applications Big Data.
Contenu connexe
![[French] Matinale du Big Data Talend](https://cdn.slidesharecdn.com/ss_thumbnails/matinaledubigdatatalend-141008041011-conversion-gate01-thumbnail.jpg?width=640&height=640&fit=bounds)
Similaire à Oxalide MorningTech #1 - BigData
![[Capitole du Libre] #serverless - mettez-le en oeuvre dans votre entreprise...](https://cdn.slidesharecdn.com/ss_thumbnails/capitoledulibre2018serverless-181120135943-thumbnail.jpg?width=640&height=640&fit=bounds)
Oxalide MorningTech #1 - BigData
- 1. MorningTech #1 –BigData le 15 décembre 2016 –Ludovic Piot
- 2. Les événements Oxalide •Objectif : présentation d’une thématique métier ou technique • Tout public : 80 à 100 personnes • Déroulé : 1 soir par trimestre de 18h à 21h • Introduction de la thématique par un partenaire • Tour de table avec des clients et non clients • Echange convivial autour d’un apéritif dînatoire • Objectif : présentation d’une technologie • Réservé aux clients : public technique avec laptop – 30 personnes • Déroulé : 1 matinée par trimestre de 9h à 13h • Présentation de la technologie • Tuto pour la configuration en ligne de commande • Objectif : présentation d’une thématique métier ou technique • Réservé aux clients : 30 personnes • Déroulé : 1 matin par trimestre de 9h à 12h • Big picture • Démonstration et retour d’expérience Apérotech Workshop Morning Tech
- 3. Les speakers Ludovic Piot Conseil/ Archi / DevOps @ Oxalide @lpiot
- 4.
- 5.
- 6. SoLoMo et IoT– l’explosion de la data SO cial LOcal MO bile
- 7. IoT – l’explosionde la data ! Organizations are redefining data strategies due to the requirements of the evolving Enterprise Data Warehouse (EDW). Enterprise Data VoIP Machine Data Social Media
- 8. Les 3V :les dimensions du Gartner • Volume : Le volume de données crées et gérées est en constante augmentation (+59% / an en 2011) • Variété : Les types de données collectées sont très variés (texte, son, image, logs…). Nécessité que les outils de traitement prennent en compte cette diversité • Vélocité : Besoin de rapidité pour pouvoir utiliser les données au fur et à mesure qu'elles sont collectées. Il faut les utiliser rapidement, ou elles n'ont aucune valeur. Les 2 nouveaux V émergeant : • Véracité : dimension apportant une notion de qualité de la donnée pour le métier • Visibilité : pour souligner la nécessité que la data soit accessible pour le métier afin de permettre la prise de décision rapide
- 9. Evolution des tendancesde la BigData batch temps réel prédict rapport alertes prévision
- 10.
- 11. BigData vs. gestiontraditionnelle des données ! Traditional Systems vs. Hadoop Traditional Database SCALE (storage & processing) Hadoop Distribution NoSQL MPP Analytics EDW schema speed governance best fit use processing Required on write Required on read Reads are fast Writes are fast Standards and structured Loosely structured Limited, no data processing Processing coupled with data data typesStructured Multi and unstructured Interactive OLAP Analytics Complex ACID Transactions Operational Data Store Data Discovery Processing unstructured data Massive Storage/Processing
- 12. Le stockage distribué ! DataPipeline DataNode 1 Data Integrity – Writing Data 6. Success! 3.Data+ checksum 4. Verify Checksum 4. Data and checksum 5. Success! 5.Success! DataNode 4 DataNode 12 Client 2. OK, please use DataNodes 1, 4, 12. 1. I want to write a block of data. NameNode
- 13.
- 14. Le Map/Reduce ! MapReduce Map$Phase$ Shuffle/Sort$ Mapper $ Mapper $ Mapper $ Data$is$shuffled$ across$the$network$ and$sorted$ NM+ DN NM + DN NM + DN Reduce$Phase$ Reducer $ Reducer $ NM + DN NM + DN
- 15. La table deslatences
- 16. Le pipeline BigData dataanswers ingest / collect store process analyse Time to answer (latency) Throughput Cost
- 17. La Lambda Architecture Serving Layer Standardize,Cleanse, Integrate, Filter, Transform Batch Layer Extract & Load Conform, Summarize, Access Speed Layer • Organize data based on source/derived relationships • Allows for fault and rebuild process • There are lots of different ways of organizing data in an enterprise data platform that includes Hadoop.
- 18. Evolution des traitementsBig Data http://www.slideshare.net/1Strategy/2016-utah-cloud-summit-big-data-architectural-patterns-and-best-practices-on-aws Collect Store Analyse ConsumeETL Hot Warm Hot Cold Hot Hot Hot Slow
- 19.
- 20. Evolution des traitementsBig Data
- 21. Evolution des traitementsBig Data Dataflow Dataproc BigQueryBigTable CloudSQL Cloud Pub/Sub
- 22. Demo Time Amazon S3 http://bit.ly/2grJMMf Shard0 Amazon Kinesis Amazon Cognito Amazon EC2 R Shiny-Server https://github.com/lpiot/amazon-kinesis-IoT-sensor-demo
- 23. Machine learning & deeplearning
- 24. La démarche dedatascience
- 25. Le Machine Learning •Jeu de données : labellisé (avec les réponses) • Objectif d’apprentissage : • Régression (prévision) • Classification Apprentissage supervisé
- 26. Hypothèse et fonctionde coût But du jeu : Trouver une fonction h qui représente fidèlement les données. Régression linéaire : ℎ 𝑥 = 𝜃% + 𝜃' 𝑥' + 𝜃( 𝑥( + ⋯ + 𝜃* 𝑥*
- 27. Le Machine Learning •Jeu de données : non-labellisé (sans réponse) • Objectif d’apprentissage : • Identifier / détecter des structures dans les données Apprentissage non-supervisé
- 28. Algorithmes de classification Butdu jeu : Trouver l’algorithme qui distingue au mieux les structures dans les données.
- 29. Réseaux neuronaux • Baséssur le fonctionnement d’un cerveau • Hypothèse non linéaire ! • Classification multi-classe • Comme avant, on essaye de minimiser la fonction de coût en modifiant peu à peu les coefficients Θ(i)
- 30.
- 31. Sources • [6, 10]: Hortonworks : Operations Management with HDP • [8, 11, 12] : http://www.slideshare.net/1Strategy/2016-utah-cloud-summit-big- data-architectural-patterns-and-best-practices-on-aws
- 32. Big Data :les domaines d’application Objectifs recherchés : • Collecter la donnée dès sa production (en temps réel) • Conserver l’intégralité de la donnée, sans perte d’information • Permettre l’exploitation a posteriori pour de nouveaux usages et/ou à travers de nouvelles technologies Mise en œuvre : • Collecte et nettoyage des données via Flume, Storm, Spark, Logstash, Kafka, Kinesis, etc. • Stockage de la donnée dénormalisée dans Cassandra, HDFS, Hbase, Hive, AWS S3, Redshift Datalake Collecter et stocker la donnée AWS S3HADOOPCASANDRA Besoin recensé sur : EasyBourse, L’Etudiant… REDSHIFTHIVE HBASE KAFKA
- 33. Big Data :les domaines d’application Objectifs recherchés : • Collecter la donnée dès sa production (en temps réel) • Traiter la donnée au fil de l’eau • Permettre l’exploitation et la consultation immédiates des données traitées dans des outils de requête en temps réel Mise en œuvre : • Collecte, nettoyage et traitement des données via Flume, Storm, Spark, Logstash, Kafka, Kinesis, etc. • Stockage de la donnée traitée dans Cassandra, Redshift, ElasticSearch Lambda architecture – Speed layer Traiter immédiatement la donnée et la consulter en temps réel SPARK Besoin recensé sur : EasyBourse, L’Etudiant… FLUME STORMELASTICSEARCHCASANDRA REDSHIFT KINESIS
- 34. Big Data :les domaines d’application DMP : Data Management Platform Qualifier son audience Objectifs recherchés : • Personnalisation de contenus et de l'expérience utilisateur Mise en œuvre : • TBC http://www.journaldunet.com/ebusiness/expert/58869/la-data- management-platform--dmp----fonctionnalites-et-benefices-de-l- exploitation-des-donnees.shtml Besoin recensé sur : L’Express, Kwanko, Le Parisien, 20 min, …
- 35. Big Data :les domaines d’application Objectifs recherchés : • Explorer des jeux de données restreints pour identifier des caractéristiques • Classifier les données selon des features détectées automatiquement • Identifier automatiquement des groupes de données similaires • Faire des prédictions basées sur les données existantes Mise en œuvre : • Mise en place d’outils d’exploration pour les datascientists : Jupyter, zeppelin, spark notebook, RStudio • Mise en œuvre d’un datapipeline : kafka, yarn, scikit-learn, spark ml, R, H2O, graphlab,… Machine Learning Un pas vers l’IA Besoin recensé sur : Fjord, Qivivo SCIKIT LEARNZEPPELINJUPYTER RYARN KAFKASPARK H2O