Cartographie du big data
-
Upload
acogoluegnes -
Category
Technology
-
view
910 -
download
3
Transcript of Cartographie du big data
![Page 1: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/1.jpg)
Cartographie du big data29 septembre 2015
Arnaud Cogoluègnes
![Page 2: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/2.jpg)
Data Science
Hadoop
MapReduce
HDFS
Spark
Machine Learning
Hive
Pig
Architecturelambda
Cascading
Flink
Tez
Big Data
![Page 3: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/3.jpg)
Fondamentaux du Big Data
![Page 4: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/4.jpg)
Retour vers le futur : SGBDR
![Page 5: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/5.jpg)
Les garanties ACID
![Page 6: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/6.jpg)
Standard, portable
SQL-86 ... SQL:2011
select * from Book
![Page 7: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/7.jpg)
Un point d’intégration
Image : http://www.eaipatterns.com/SharedDataBaseIntegration.html
![Page 8: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/8.jpg)
Une fausse bonne idée ?
Image : http://www.eaipatterns.com/SharedDataBaseIntegration.html
?
![Page 9: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/9.jpg)
Casser le monolithe
Services
Application A Application B Application C
![Page 10: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/10.jpg)
Le web, comment scaler ?
![Page 11: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/11.jpg)
IoT
![Page 12: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/12.jpg)
Data
Corrélation
Prédiction
Adaptabilité
StockagePlus de données
Temps réel
Exploitation
Réactivité
Extraction
![Page 13: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/13.jpg)
Technologies Big Data
![Page 14: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/14.jpg)
http://crimsonrain.org/hawaii/index.php?title=File:Google-datacenter_2.jpg
![Page 15: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/15.jpg)
Hadoop, un système distribué
Système de fichiers distribué : HDFSAPI de programmation : MapReduce, YARN
![Page 16: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/16.jpg)
Hadoop
HDFS
MapReduce, YARN
Votre application
![Page 17: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/17.jpg)
HDFS
HDFS
MapReduce, YARN
Votre application
Tolérant aux pannes
Scalable
Formats de fichiers
Compression
![Page 18: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/18.jpg)
Blocs, datanodes, namenode
file.csv B1 B2 B3 fichier composé de 3 blocs (taille par défaut d’un bloc : 128 Mo)
B1 B2 B1 B3
B1 B2 B2 B3
DN 1 DN 2
DN 4DN 3les datanodes stockent les blocs(le bloc 3 est ici sous-répliqué)
B1 : 1, 2, 3 B2 : 1, 3, 4B3 : 2, 4
Namenode
le namenode gère les méta-données et s’assure de la réplication
![Page 19: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/19.jpg)
HDFS, les limitations
Fichiers “append-only”Bien pour “write once, read many times”
Peu de gros fichiers, bienPlein de petits fichiers, pas bien
![Page 20: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/20.jpg)
MapReduce
HDFS
MapReduce
Votre application
Simple
Batch
Scalable
Jointure, distinct, group by
![Page 21: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/21.jpg)
MapReduce
file.csv B1 B2 B3
Mapper
Mapper
Mapper
B1
B2
B3
Reducer
Reducer
k1,v1
k1,v2
k1 [v1,v2]
![Page 22: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/22.jpg)
Le code va à la donnée
file.csv B1 B2 B3
Mapper
Mapper
Mapper
B1
B2
B3
Reducer
Reducer
k1,v1
k1,v2
k1 [v1,v2]
B1 B2 B1 B3
B1 B2 B2 B3
DN 1 DN 2
DN 4DN 3
DN 1
DN 3
DN 4
![Page 23: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/23.jpg)
Hadoop 1
HDFS
MapReduce
![Page 24: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/24.jpg)
Hadoop 2
HDFS
YARN
MapReduce Votreapplication
![Page 25: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/25.jpg)
MapReduce, les limitations
Code bas niveauRé-utilisation difficile
Préférer les abstractions comme CascadingPeu flexible et limité
![Page 26: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/26.jpg)
Les successeurs de MapReduce
Flink
SparkTez
Plus flexiblesPlus “simples”
![Page 27: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/27.jpg)
Comment stocker ?
Formats de fichiers
Compression
Parquet
SequenceFile
Texte
Avro
Pas de compression
Snappy
Deflate
GZIP
ORC
![Page 28: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/28.jpg)
La panoplie
YARN/MapReduce/Tez
API-based(Spark, Cascading, Flink)
HiveSQL
PigScript ETL
Votre application
![Page 29: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/29.jpg)
Spark
Spark
Votre application
YARN Mesos Cluster natif
![Page 30: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/30.jpg)
Tez
Apache TezMapReduce nouvelle génération
CascadingAPI Java
HiveSQL
PigScript ETL
Votre application
YARN
![Page 31: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/31.jpg)
Cascading
Cascading
Votre application
MapReduce Tez Flink Hazelcast
Production-ready En cours
![Page 32: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/32.jpg)
Big Data in Action
![Page 33: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/33.jpg)
Architecture lambda : objectifs
● Tolérant aux pannes● Latence faible● Scalable● Générique
● Extensible● Requêtes “ad hoc”● Maintenance minimale● Debuggable
![Page 34: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/34.jpg)
Layers
Speed layer
Serving layer
Batch layer
![Page 35: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/35.jpg)
Batch layer
Speed layer
Serving layer
Batch layer
Stockage des données.Création des vues.
![Page 36: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/36.jpg)
Serving layer
Speed layer
Serving layer
Batch layer
Accès aux vues batch.
![Page 37: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/37.jpg)
Speed layer
Speed layer
Serving layer
Batch layer
Accès temps réel.
![Page 38: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/38.jpg)
Architecture lambda
Flux de données
Broker Traitementtemps réel
Données(append-only)
Traitement batch
Vues batch
Vues temps réel
Application
Batch
Serving
Speed
![Page 39: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/39.jpg)
Batch layer
Speed layer
Serving layer
Batch layer
Hadoop (MapReduce, HDFS).Thrift, Cascalog.
![Page 40: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/40.jpg)
Serving layer
Speed layer
Serving layer
Batch layer
ElephantDB, BerkeleyDB.
![Page 41: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/41.jpg)
Speed layer
Speed layer
Serving layer
Batch layer
Cassandra, Storm, Kafka.
![Page 42: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/42.jpg)
Architecture lambda complète
Flux de données
Broker Traitementtemps réel
Données(append-only)
Traitement batch
Vues batch
Vues temps réel
Application
Batch
Serving
Speed
![Page 43: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/43.jpg)
Application ETL - reporting
Flux de données
Données(append-only)
Traitement batch
Vues batch
Application
Batch
Serving
![Page 44: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/44.jpg)
Application temps réel
Flux de données
Broker Traitementtemps réel
Vues temps réel
Application
Speed
![Page 45: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/45.jpg)
Jointure flux et référentiel
Hadoop
Traitement(jointures, transformation)Flux
Reporting,exploration
Données de référence
![Page 46: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/46.jpg)
Gestion de données
Données brutes Données parsées
Traitement et insertion
Archives Vues Transformations
Avro, GZIPRétention permanente
Parquet, SnappyRétention 2 ans glissants Traitement (Cascading)
HDFS BD temps réel
![Page 47: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/47.jpg)
Hive, Pig, API-based
UDF : User Defined Function
Hive
+SQL (non-standard)Prise en main rapideExtensible avec UDF
-Testabilité médiocreRéutilisabilité médiocrePas de contrôle du flotLogique disséminéeProgrammation par UDF
Pig
+Pig LatinPrise en main rapideExtensible avec UDF
-Testabilité médiocreRéutilisabilité médiocreLogique disséminéeProgrammation par UDF
API-based(Spark, Cascading, Flink)
+API JavaTestable unitairementContrôle du flotBonne réutilisabilité
-Programmation nécessaire
![Page 48: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/48.jpg)
Les outils SQL (Hive, Spark SQL)
A utiliser une fois les données traitéesBien pour l’exploration
Ou pour les traitements très simplesConnecteurs JDBC (pour le reporting)
![Page 49: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/49.jpg)
Outils intermédiaires (Pig)
Peut contenir de la logiquePig Latin simple d’accès
Adapté à des traitements “one-shot”...(ex. : rapports)
![Page 50: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/50.jpg)
API-based (Spark, Cascading, Flink)
Pour les traitements plus complexesParsing, jointure, nettoyage, dé-duplication, etc
En amont de l’exploration, du reporting
![Page 51: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/51.jpg)
Temps réel
![Page 52: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/52.jpg)
Temps réel
“Stream processing”Flux d’événements
Traitements parallélisésEcriture dans une BDLatence ~ 1 seconde
![Page 53: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/53.jpg)
Temps réel - approche “classique”
Queues et consommateurs (“workers”)Coordination des workers
Failover à implémenter
Consommateur
Consommateur
Consommateur
Consommateur
![Page 54: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/54.jpg)
Topologie Storm
spout
spout
bolt
bolt
bolt
bolt
bolt
Source de données(ex. : Kafka)
Traitement(ex. : filtre, aggrégation,
count, etc)
TopologieSource : https://storm.incubator.apache.org/
![Page 55: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/55.jpg)
Parallèle et tolérant à la panne
![Page 56: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/56.jpg)
Temps réel - outils et considérations
Samza
Delivery semantics
One-at-a-time
StormSpark Streaming
Flink
Micro batch
Déploiement
Langages supportés
Maturité
Monitoring
![Page 57: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/57.jpg)
Datacenter abstrait
![Page 58: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/58.jpg)
Abstrait, mon datacenter?
Additionner les serveurs/VMAvoir un ensemble de ressources (CPU, RAM)Demander de la ressource pour une application
Le système se charge de la distribution
![Page 59: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/59.jpg)
Les solutions techniques
YARN
MesosKubernetes
Optimisation des ressourcesGrande maturité de déploiement nécessaire
![Page 60: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/60.jpg)
Mesos
Projet open source, fondation ApacheMature
Utilisateurs : Twitter, Apple, Viadeo, AirbnbAdapté au Big Data et aux Microservices
![Page 61: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/61.jpg)
Architecture de Mesos
Source : http://mesos.apache.org/documentation/latest/mesos-architecture/
![Page 62: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/62.jpg)
Architecture de Mesos
Source : http://mesos.apache.org/documentation/latest/mesos-architecture/
![Page 63: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/63.jpg)
“Frameworks” Mesos
Jenkins
Hadoop
StormMarathon
Spark
ElasticSearch
ChronosCassandra
![Page 64: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/64.jpg)
Cluster Mesos
![Page 65: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/65.jpg)
Marathon sur Mesos
![Page 66: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/66.jpg)
Mesos and co, warning
Travail en amont nécessaire !Packaging automatiqueDéploiement automatique
![Page 67: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/67.jpg)
Data Science
![Page 68: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/68.jpg)
Statistiques
Médiane
Distribution
Ecart-typeTendances
Moyenne arithmétique
Five-number summary
![Page 69: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/69.jpg)
“Scatterplot matrix”
Source : http://cdn-ak.f.st-hatena.com/images/fotolife/t/triadsou/20130124/20130124110747.png
![Page 70: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/70.jpg)
Machine learning
Clusteringk-Nearest Neighbors
(k-NN)
ClassificationModèles
Prédiction
Régression linéaire
k-meansArbre de décisions
![Page 71: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/71.jpg)
Big data, data science, etc!
Données brutes
Donnéestraitées
Nouveau produit
Communication
Exploration
Modèle,statistiques
Décisions
![Page 72: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/72.jpg)
Big data, data science, etc!
Données brutes
Donnéestraitées
Nouveau produit Communication
Exploration
Modèle,statistiques
Décisions
Utilisateurs, capteurs, ...
![Page 73: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/73.jpg)
Big data, data science, etc!
Données brutes
Donnéestraitées
Nouveau produit Communication
Exploration
Modèle,statistiques
Décisions
JSON, XML, messages, etc...
![Page 74: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/74.jpg)
Big data, data science, etc!
Données brutes
Donnéestraitées
Nouveau produit Communication
Exploration
Modèle,statistiques
Décisions
Parsées, dé-doublonnées, triées, jointées, ...
Spark, Cascading, Python
![Page 75: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/75.jpg)
Big data, data science, etc!
Données brutes
Donnéestraitées
Nouveau produit Communication
Exploration
Modèle,statistiques
Décisions
Faire connaissance avec les données
R, Python, Spark, Hive, Notebooks (IPython, Zeppelin)
![Page 76: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/76.jpg)
Big data, data science, etc!
Données brutes
Donnéestraitées
Nouveau produit Communication
Exploration
Modèle,statistiques
Décisions
Spark MLib, Python SciKit, R, Weka, ...
Classification, prédiction, ...
![Page 77: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/77.jpg)
Big data, data science, etc!
Données brutes
Donnéestraitées
Nouveau produit Communication
Exploration
Modèle,statistiques
Décisions
Reporting, visualisation, ...
![Page 78: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/78.jpg)
Big data, data science, etc!
Données brutes
Donnéestraitées
Nouveau produit Communication
Exploration
Modèle,statistiques
Décisions
Filtre anti-spam, moteur de recommandations, ...
![Page 79: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/79.jpg)
Big data, data science, etc!
Données brutes
Donnéestraitées
Nouveau produit Communication
Exploration
Modèle,statistiques
DécisionsInfluence sur les données
![Page 80: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/80.jpg)
Conclusion
![Page 81: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/81.jpg)
Pour résumer
Pensez au cloud pour le prototypageHadoop n’est pas un SGBDR
Adoptez une approche agile et itérativeNe négligez pas l’industrialisation des dév.
![Page 82: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/82.jpg)
Merci !
![Page 83: Cartographie du big data](https://reader034.fdocuments.in/reader034/viewer/2022042907/587388db1a28ab272d8b63f7/html5/thumbnails/83.jpg)
Questions ?