Arquitectura de Big Data, casos de uso y necesidades de infraestructura

Name: Arquitectura de Big Data, casos de uso y necesidades de infraestructura
Author: Chintan Thakkar

Aprenda cómo es la infraestructura para Big Data en la nube pública.

Preview the first lesson free — get full access to all 4 lessons.

Curso: bajo demanda

(música suave) Bienvenido a la arquitectura de big data, casos de uso, y necesidades de infraestructura. En estas lecciones, aprenderá acerca de estructuras y datos no estructurados, y arquitectura de big data en la nube pública. Hay varios casos de uso relacionados con el análisis de big data, y aprenderás a generar información a partir de big data y utilícelo para impulsar las ventas comerciales. Discutiremos los detalles de estructuras y datos no estructurados, arquitectura de big data, casos de uso de big data para la nube pública, grandes necesidades de infraestructura de datos. Los datos estructurados están muy organizados y, a menudo, se almacenan en una base de datos relacional en formato de fila y columna. Es bastante fácil buscar un formato de datos estructurados porque sigue el modelo de datos que ha creado el administrador de la base de datos SQL, y contiene un esquema fijo. Si la tabla de su base de datos contiene tres columnas, entonces solo puede almacenar los datos en tres columnas. Los datos son creados por humanos. o desde aplicaciones empresariales. Estas son las principales aplicaciones. que normalmente generan datos estructurados, sistemas de gestión de clientes, inventarios minoristas, sistemas de planificación de recursos empresariales, sistemas de información de los estudiantes. Los datos no estructurados a menudo significan un gran conjunto de datos. No contiene un modelo o esquema de datos fijos, y puede ser difícil buscar dentro de los datos no estructurados debido al tamaño y la estructura de los datos. Los datos son generados por Internet de las cosas, o humanos. Los ejemplos típicos de datos no estructurados incluyen procesamiento de imágenes, análisis de datos, proporcionar recomendaciones, sistemas predictivos. Los datos no estructurados a menudo se almacenan en una base de datos NoSQL o un tipo de solución de lago de datos. Hay varios proveedores que proporcionan una base de datos como un servicio para almacenar datos no estructurados. Una opción es MongoDB Atlas MongoDB Atlas proporciona una base de datos como un servicio para almacenar datos de documentos que funciona como una solución totalmente administrada que se implementa en la nube pública. Se puede escalar fácilmente según los requisitos, y también es posible tener configuraciones siempre activas con replicación entre regiones. Puede cifrar documentos y almacenarlos en la base de datos. Si hay una carga mayor, entonces también puede escalar automáticamente basado en la configuración. MongoDB Atlas es una base de datos bajo demanda, lo que significa que se puede aprovisionar en cinco minutos o menos. Una vez que haya terminado con la base de datos, puede terminar el recurso con un solo clic. MongoDB Atlas puede almacenar documentos completos. Revisemos algunos ejemplos de documentos MongoDB. Aquí hay un esquema JSON de muestra. Puedes generar el documento JSON de este esquema y almacenarlo. MongoDB Atlas también proporciona la funcionalidad de conmutación por error de la región. Entonces, si falla toda la región de la nube, entonces MongoDB se ejecutará desde otra región. Puede configurar el tamaño del clúster, nube pública y varios fragmentos según sus requisitos. Su equipo puede concentrarse en el desarrollo de aplicaciones en lugar de centrarse en la infraestructura de MongoDB, que también le permite configurar la implementación de la ruta automatizada en el clúster. Los datos semiestructurados admiten formatos HTML, JSON y XML. Este formato se encuentra entre datos estructurados y no estructurados, y proporciona una funcionalidad limitada en comparación con la base de datos relacional. Los requisitos de almacenamiento son menores que los datos no estructurados, pero más que datos estructurados. Puede almacenar registros del servidor, datos de Internet de las cosas, y más, todo usando su esquema flexible. La mayor parte del big data no está estructurado. De hecho, se estima que el 90% de los casos de uso de big data se ejecutan en datos no estructurados. Esto significa que necesita tener un plan sólido para determinar cómo vas a almacenar y utilizar sus datos no estructurados.

Principiante Proveedor : Chintan Thakkar 4 lecciones · 18m en Árabe, Alemán, Inglés, Español, Francés, Portugués, Urdu, Chinese

Descripción del curso

El Big Data puede ayudarnos de muchas maneras. La mayor parte del Big Data no está estructurada. De hecho, se estima que el 90% de los casos de uso de Big Data se ejecutan contra datos no estructurados. Esto significa que necesita tener un plan robusto para determinar cómo va a almacenar y utilizar sus datos no estructurados. En estas lecciones, aprenderá sobre los datos estructurados y no estructurados, así como sobre la arquitectura de Big Data en la nube pública. También aprenderá a usar Big Data para impulsar las ventas empresariales.

El análisis de Big Data es mucho más fácil de implementar en la nube pública en comparación con un entorno local. Necesitará cientos de máquinas virtuales para ejecutar los análisis en función del tamaño de los datos. Sería difícil aprovisionar tantas máquinas virtuales en un entorno local, pero se puede hacer con relativa facilidad a través de la nube. Este curso de Arquitectura de Big Data, Casos de Uso y Necesidades de Infraestructura le brinda casos de uso de empresas reales para enseñarle el potencial de Big Data.

Lo que aprenderás

Distinguir datos estructurados, semiestructurados y no estructurados y planificar cómo almacenar y utilizar datos no estructurados
Explicar la arquitectura de Big Data en la nube pública
Identificar las necesidades de infraestructura de Big Data para la nube pública
Planificar el aprovisionamiento de servidores para ejecutar análisis de Big Data
Reconocer casos de uso empresariales reales que muestren el potencial de Big Data, incluyendo impulsar las ventas comerciales

Puntos clave

La mayoría de Big Data es no estructurado, con un estimado del 90% de casos de uso de Big Data ejecutándose contra datos no estructurados, por lo que un plan sólido para almacenar y utilizar datos no estructurados es esencial.
Los análisis de Big Data son más fáciles de implementar en la nube pública que en un entorno local.
La ejecución del análisis puede requerir cientos de máquinas virtuales dependiendo del tamaño de los datos, lo que es difícil de aprovisionar localmente pero relativamente fácil en la nube.
Big Data se puede utilizar para impulsar las ventas comerciales, y el curso presenta casos de uso empresariales reales para demostrar su potencial.

Preguntas frecuentes

¿Qué temas cubre este curso?

Cubre datos estructurados y no estructurados, la arquitectura de Big Data en la nube pública, las necesidades de infraestructura de Big Data y casos de uso de Big Data, junto con cómo utilizar Big Data para impulsar las ventas comerciales.

¿Por qué el curso se enfoca en la nube pública en lugar de localmente?

Porque los análisis de Big Data son más fáciles de implementar en la nube pública; la ejecución del análisis puede requerir cientos de máquinas virtuales dependiendo del tamaño de los datos, lo que es difícil de aprovisionar localmente pero se puede hacer relativamente fácilmente en la nube.

¿Qué habilidades ganaré de este curso?

Construirás habilidades en Big Data, Big Data Analytics, Data Architecture, Data Infrastructure, datos semiestructurados y datos no estructurados.

¿Incluye el curso ejemplos del mundo real?

Sí, el curso te proporciona casos de uso empresariales reales para mostrarte el potencial de Big Data.