PLB CONSULTANT : 04. Hadoop développement

Jour 1

Introduction

Définir les fonctionnalités du framework Hadoop et son écosystème

Identifier le projet et les modules : Hadoop Common, HDFS, YARN, MapReduce

Utilisation de Yarn pour piloter les jobs mapreduce

MapReduce

Déterminer le principe et objectifs du modèle de programmation MapReduce

Données structurées et non-structurées

Utiliser les fonctions map() et reduce()

Couples (clés, valeurs)

Implémentation par le framework Hadoop

Étude d'exemples

Travaux Pratiques

Rédaction d'un premier programme et exécution avec Hadoop

Programmation

Configuration des jobs, notion de configuration

Identifier les interfaces principales : mapper, reducer

Importance de la configuration HDFS sur le découpage en blocs et les mappers

La chaîne de production : entrées, input splits, mapper, combiner, shuffle/sort, reducer, sortie

Gérer le partitionnement des données afin d’équilibrer la charge sur un cluster

Format des entrées et sorties d'un job MapReduce : InputFormat et OutputFormat

Travaux Pratiques

Type personnalisés : création d'un writable spécifique. Utilisation. Contraintes.

Quiz d’évaluation des acquis de la journée

Jour 2

Outils complémentaires

Paramétrage d'un job : ToolRunner, transmission de propriétés

Accès à des systèmes externes : S3, hdfs, har...

Configuration des sorties vers une unité de persistance

Travaux Pratiques

Répartition du job sur la ferme au travers de yarn

Streaming

Définir le streaming map/reduce

Echantillonnage de données

Définition de fenêtre temporelle en regard des données consommées

Liaisons avec des systèmes externes

Travaux Pratiques

Suivi d'un job en streaming

HBase

Présentation des différentes interfaces disponibles

Commandes de base, syntaxe, variables, manipulation des données : create, list, put, scan, get

Désactiver une table ou l'effacer : disable (enable), drop...

Programmation de scripts (shell proposé par Hbase)

Gestion des tables : principe des filtres

Mise en oeuvre de filtres de recherche, paramètres des tables

Présentation des espaces de nommage

Travaux Pratiques

Utilisation de données structurée avec HBase en Map/Reduce

Traitement de données depuis un datalake vers un datalab

Quiz d’évaluation des acquis de la journée

Jour 3

Hive

Simplification du requêtage

Syntaxe de base

Définition d’un mapping de données issus de HBase afin de requêter en SQL

Charger et stocker les données efficacement avec SerDes

Concevoir la disposition des données pour la performance

Automatisation de requêtes sur un flux de données

Travaux Pratiques

Création de tables. Ecriture de requêtes HiveQL

Extraire des données en SQL avec utilisation de fonctions définies par l’utilisateur

Introduction à Spark

Programmation de haut niveau pour le Big Data : RDD

Standard de fait : pour son approche SQL : DataFrame

Echantillonnage de données ou streaming structuré

Big Data sur les graphes : Page ranking

Machine Learning à partir de données structurées (Spark ML)

Travaux Pratiques

Exploitation de données CSV par une interprétation SQL Big Data

Quiz Final d’évaluation des acquis de la formation