7. 500 visiteurs
~ 100 interrogés par
75 % sont engagés dans des projets
41 % ont une stratégie sur les données
34 % ont une plateforme Hadoop en production
43 % expérimentent
Usages : applications marketing, reco, comportemental,
optimisation des contenus...
dimanche 28 avril 13
9. Past Present and Future of Data Processing in Apache
Hadoop
Innovations in Apache Hadoop MapReduce Pig Hive for
Improving Query Performance
Enterprise integration of Disruptive Technologies (HSBC)
Hadoop Operations at LinkedIn
Analyzing 1.4 Trillion events with Hadoop
Scaling Big Data Mining Infrastructure Twitter Experience
Crowd-Sourced Intelligence Built into Search over
Hadoop
dimanche 28 avril 13
18. Nouvelle approche
1 plateforme
Données non structurées
Vues multiples
Générateur de changement
Scalabilité
Economie
Outil pour le business et les Techs
dimanche 28 avril 13
23. Economie : coûts / 10
Hadoop devient un outil stratégique
Pb d’organisation :
1 stack pour le stockage et les applications
Requiert des profils généralistes
dimanche 28 avril 13
25. “Hadoop is not a developer problem;
it’s an operations problem.”
Hadoop vendor ex-employee
dimanche 28 avril 13
26. 2009 : 20 nodes
20 users
pas de monitoring
dimanche 28 avril 13
27. 2009 : 20 nodes
20 users
pas de monitoring
2013 : 5000 Nodes in ~10 grids
Full configuration management
Full monitoring – Security
Capacity scheduler with SLA
~700 users
5 dedicated operations staff members
dimanche 28 avril 13
30. Autres :
1 seul benchmark : « Production code »
Outils de distribution
Gestion des utilisateurs
Tout sera rapidement open-sourcé !
dimanche 28 avril 13
33. Java Map-Reduce quotidien sur 92 jours de données
au début 170 Milliards d’enregistrements à trier et
ventiler
dimanche 28 avril 13
34. Java Map-Reduce quotidien sur 92 jours de données
au début 170 Milliards d’enregistrements à trier et
ventiler
.... très rapidement 30h / jour
dimanche 28 avril 13
35. Java Map-Reduce quotidien sur 92 jours de données
au début 170 Milliards d’enregistrements à trier et
ventiler
.... très rapidement 30h / jour
Solutions :
- Partitionner
- Trier les données en amont
dimanche 28 avril 13
36. Java Map-Reduce quotidien sur 92 jours de données
au début 170 Milliards d’enregistrements à trier et
ventiler
.... très rapidement 30h / jour
Solutions :
- Partitionner
- Trier les données en amont
... Job exécutés en 3 h !!!
dimanche 28 avril 13
37. 120 Nodes
(3000 cores / 6TB memory / 2 PB de disques)
MAPR M5 2.1.0
SYNCSORT pour le tri et le loading
dimanche 28 avril 13
38. Scaling Big Data Mining
Infrastructure
Twitter Experience
dimanche 28 avril 13
39. Passés de 60 nodes / 6 analystes
à
~10000 nodes et ~100 analystes
dimanche 28 avril 13
40. Beaucoup de temps passé à
- Collecter
- Déplacer
- Organiser
Pour logger les données : Flume, Scribe, etc...
aujourd’hui :Thrift,AVRO, PROTOBUF
Construction d’un DAL au dessus de HCatalog
dimanche 28 avril 13
43. Interractions with Big-Data
HDFS
Command Line System Administrator
Key-Value store
Query
Engineer
Index
Keyword search
End User
Reflected Intelligence
dimanche 28 avril 13
44. Pour aller plus loin !
http://hadoopsummit.org/amsterdam/schedule/
http://fr.slideshare.net/Hadoop_Summit/
http://www.youtube.com/user/HadoopSummit
dimanche 28 avril 13
45. Merci !
Vincent Heuschling
Gsm : 06 61 88 76 71
Email : vhe@affini-tech.com
Web : http://www.affini-tech.com
Twitter : @affinitech & @vhe74
dimanche 28 avril 13