Utilisations et considérations supplémentaires du cloud public

Name: Utilisations et considérations supplémentaires du cloud public
Author: Chintan Thakkar

Le Big Data est un ensemble de données plus volumineux et plus complexe, généralement à partir de nouvelles sources de données, et peut être si volumineux que…

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

Demander une démo Se connecter

Cours : à la demande

(musique palpitante) Bienvenue dans le cloud public Utilisations et considérations supplémentaires. Dans ces leçons, vous découvrirez le Big Data et comment exécuter le Big Data sur le cloud public. Vous explorerez également l'apprentissage automatique ainsi que des services disponibles sur le cloud public qui prennent en charge les cas d'utilisation d'apprentissage automatique. Le cloud public offre différentes manières pour faire évoluer les ressources cloud sous charge, et vous apprendrez la mise à l'échelle verticale et horizontale, ainsi que diverses techniques de réduction des coûts sur le cloud public. Commençons. Les entreprises collectent en permanence de grands ensembles de données. Le cloud public est utile pour les aider à stocker des mégadonnées, l'analyser et générer des résultats significatifs à partir des ensembles de données. Le graphique suivant décrit la croissance des ou des données indéfinies par rapport à données structurées, clairement définies et consultables. Vous devez revoir l'architecture du Big Data et assurez-vous que les données sont stockées sur la bonne plateforme. Le cloud public fournit divers services pour stocker le Big Data puis exécutez le cas d'utilisation d'analyse dessus. Il fournit également des services qui peuvent exécuter des analyses de données volumineuses et générer des visualisations. Les sources de mégadonnées comprennent les médias sociaux, images, vidéos, données des systèmes de sécurité, les données des appareils de l'internet des objets, les journaux de serveur, et les journaux d'audit des applications. L'analyse de données volumineuses peut être exécutée sur la plate-forme Hadoop. La plate-forme Hadoop prend en charge l'exécution parallèle, peut interrompre un travail et l'exécuter en plusieurs parties simultanément, et soutenir les politiques d'extension. L'inconvénient est que la configuration Hadoop et la maintenance sont très complexes et nécessitent des compétences particulières. Une meilleure idée consiste à déplacer l'ensemble du flux de travail Big Data à un cloud public. Le cloud public fournit une infrastructure informatique massive avec un modèle de paiement à l'utilisation et a des options pour le stockage élastique. Si vous allez recevoir de grands ensembles de données, alors vous pouvez augmenter ou diminuer la taille du stockage également. Prenons quelques minutes pour comprendre architecture de streaming sur le cloud public. Un flux de données en direct arrive via le point de données Amazon Kinesis. L'Elastic MapReduce a l'analyse du Big Data qu'il s'exécutera en direct, puis générera la sortie. Vous pouvez créer la visualisation à partir des informations qu'il génère. Elastic MapReduce est un service géré disponible avec Services Web Amazon. Vous pouvez configurer et lancer le cluster en fonction de vos besoins en quelques minutes. Un avantage supplémentaire est son faible coût car vous ne payez que le coût horaire des ressources cloud. Par exemple, si vous souhaitez exécuter des analyses par lots, vous pouvez ensuite créer le cluster, exécuter des analyses, et résilier le cluster sans payer de supplément. Vous pouvez également utiliser des instances ponctuelles dans Elastic MapReduce, ce qui procurera des économies supplémentaires à votre organisation. Vous avez également la possibilité d'utiliser les nœuds à la demande avec des nœuds ponctuels. Par exemple, si vous souhaitez exécuter l'analyse qui produit la sortie requise, utiliser le nombre défini d'instances de calcul. Vous pouvez ajouter de la capacité au cluster existant avec des instances ponctuelles, ou vous pouvez ajouter ou supprimer les instances en fonction des besoins au sein du cluster. Il existe plusieurs types d'instances différents disponible sur le cluster, et vous avez la possibilité de choisir n'importe quel périphérique d'instance en fonction de vos besoins d'analyse. L'Elastic MapReduce peut lire directement provenant de diverses sources, tels que des services de stockage simples, Kinesis stream, etc. ? Vous pouvez utiliser le système de fichiers Elastic MapReduce ou EMRFS avec un service de stockage. Services de stockage simple ou S3, fournit un stockage durable et fiable pour vos données non structurées, ainsi que l'exécution d'analyses et le stockage des données. Voici un autre cas d'utilisation. Vous pouvez traiter 100 téraoctets de données à l'aide de l'architecture de traitement par lots Elastic MapReduce par lequel les données sont poussées dans des services de stockage simples. Amazon Web Services Elastic MapReduce exécute les analyses et génère la sortie. Et puis la sortie est également stockée sur le S3. Appliquons cela à un cas d'utilisation réel. Imaginez que vous travailliez pour une entreprise qui prend un contrat de service pour les grosses machines. Toutes les machines diffusent les données vers votre centre de données. Vous avez écrit plusieurs analyses qui peuvent analyser les données de lot et générer une alerte pour les pannes. Vous devez migrer ce cas d'utilisation analytique au cloud public. Vous devez donc effectuer les actions suivantes : Téléchargez des données sur le S3. Elastics MapReduce trie et agrège les données. Charger les données dans Redshift, le service d'entrepôt de données géré disponible sur le cloud public. Et utilisez un outil de visualisation pour lire les données d'entrée de Redshift ou un autre service d'entrepôt de données géré et afficher la visualisation.

Débutant Fournisseur : Chintan Thakkar 4 leçons · 18m en Arabe, Allemand, Anglais, Espagnol, Français, Portugais, Chinese

Description du cours

Le Big Data est un ensemble de données plus volumineux et plus complexe, généralement à partir de nouvelles sources de données, et peut être si volumineux que les logiciels de traitement sont incapables de les gérer. L’infrastructure cloud peut être conçue pour traiter et interpréter le Big Data en temps réel. Dans ces cours, vous apprendrez le concept de Big Data et comment exécuter des cas d’utilisation Big Data sur le cloud public. Vous apprendrez également à exécuter des cas d’utilisation de machine learning pour le cloud public.

Objectifs de la formation :

Les compétences:

Ce que vous allez apprendre

Exécuter des cas d'utilisation du Big Data sur le cloud public
Appliquer des cas d'utilisation de l'apprentissage automatique pour le cloud public
Concevoir un apprentissage automatique générique pour l'architecture du cloud public
Mettre à l'échelle les ressources cloud et définir les exigences de mise à l'échelle automatique
Réduire les coûts sur l'infrastructure du cloud public

Points clés à retenir

Le Big Data fait référence à des ensembles de données plus vastes et plus complexes, provenant généralement de nouvelles sources de données, qui peuvent être si volumineux que les logiciels de traitement sont incapables de les gérer.
L'infrastructure cloud peut être conçue pour traiter et interpréter le Big Data en temps réel.
Le cours couvre l'exécution de cas d'utilisation du Big Data et de l'apprentissage automatique sur le cloud public.
L'architecture évolutive implique la définition d'exigences de mise à l'échelle automatique sur le cloud public.
L'infrastructure du cloud public peut être configurée pour réduire les coûts.

Foire aux questions

Que couvre ce cours ?

Il couvre le concept du Big Data, comment exécuter des cas d'utilisation du Big Data sur le cloud public, comment exécuter des cas d'utilisation d'apprentissage automatique pour le cloud public, comment faire évoluer les ressources cloud et comment réduire les coûts sur le cloud public.

Qu'est-ce que le Big Data tel que défini dans ce cours ?

Le Big Data, ce sont des ensembles de données plus volumineux et plus complexes, provenant généralement de nouvelles sources de données, qui peuvent être si volumineux que les logiciels de traitement sont incapables de les gérer.

Quelles compétences vais-je acquérir grâce à ce cours ?

Vous acquerrez des compétences en Big Data, analyse du Big Data, applications cloud, infrastructure cloud, services cloud et cloud public.

Quelles leçons sont incluses dans ce cours ?

Les leçons sont : Comment exécuter le Big Data sur le cloud public ; L'apprentissage automatique générique et comment le concevoir pour l'architecture du cloud public ; L'architecture évolutive et la définition des exigences de mise à l'échelle automatique sur le cloud public ; et La réduction des coûts sur l'infrastructure du cloud public.

Comment l'infrastructure cloud peut-elle gérer le Big Data ?

L'infrastructure cloud peut être conçue pour traiter et interpréter le Big Data en temps réel.