Architecture du Big Data, cas d’usage et besoins en infrastructure

Name: Architecture du Big Data, cas d’usage et besoins en infrastructure
Author: Chintan Thakkar

Découvrez l'infrastructure pour le Big Data sur le cloud public.

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

Cours : à la demande

(musique douce) Bienvenue dans l'architecture du big data, les cas d'utilisation, et les besoins en infrastructures. Dans ces leçons, vous apprendrez à structurer et données non structurées, et l'architecture Big Data sur le cloud public. Il existe plusieurs cas d'utilisation liés à l'analyse de données volumineuses, et vous apprendrez à générer des informations à partir de données volumineuses et l'utiliser pour stimuler les ventes commerciales. Nous discuterons des détails de la structure et données non structurées, architecture big data, cas d'utilisation du big data pour le cloud public, besoins en infrastructure de mégadonnées. Les données structurées sont très organisées et souvent stockées dans une base de données relationnelle dans un format de ligne et de colonne. Il est assez facile de rechercher un format de données structuré parce qu'il suit le modèle de données que l'administrateur de la base de données SQL a créé, et contient un schéma fixe. Si votre table de base de données contient trois colonnes, alors vous ne pouvez stocker les données que dans trois colonnes. Les données sont créées par des humains ou à partir d'applications d'entreprise. Voici les principales applications qui génèrent généralement des données structurées, systèmes de gestion de la clientèle, inventaires de détail, systèmes de planification des ressources d'entreprise, systèmes d'information sur les étudiants. Les données non structurées signifient souvent un grand ensemble de données. Il ne contient pas de modèle de données ou de schéma fixe, et il peut être difficile de chercher dans les données non structurées en raison de la taille et de la structure des données. Les données sont générées par l'internet des objets, ou les humains. Des exemples typiques de données non structurées incluent traitement d'images, analyse de données, fournir des recommandations, des systèmes prédictifs. Les données non structurées sont souvent stockées dans une solution de type base de données NoSQL ou lac de données. Il existe plusieurs fournisseurs qui fournissent une base de données en tant que service de stockage de données non structurées. Une option est MongoDB Atlas MongoDB Atlas fournit une base de données en tant que service de stockage de données documentaires qui fonctionne comme une solution entièrement gérée qui est déployé sur le cloud public. Il peut être facilement mis à l'échelle en fonction des besoins, et il est également possible d'avoir des paramètres toujours activés avec réplication interrégionale. Vous pouvez chiffrer des documents et les stocker dans la base de données. S'il y a une charge plus élevée, alors il peut aussi évoluer automatiquement en fonction de la configuration. MongoDB Atlas est une base de données à la demande, ce qui signifie qu'il peut être provisionné en cinq minutes ou moins. Une fois que vous avez terminé avec la base de données, vous pouvez mettre fin à la ressource en un seul clic. MongoDB Atlas peut stocker des documents entiers. Passons en revue quelques exemples de documents MongoDB. Voici un exemple de schéma JSON. Vous pouvez générer le document JSON à partir de ce schéma et stockez-le. MongoDB Atlas fournit également la fonctionnalité de basculement de région. Donc, si toute la région cloud tombe en panne, alors MongoDB fonctionnera à la place depuis une autre région. Vous pouvez configurer la taille du cluster, cloud public et plusieurs partitions en fonction de vos besoins. Votre équipe peut se concentrer sur le développement d'applications au lieu de se concentrer sur l'infrastructure MongoDB, qui vous permet également de configurer le déploiement automatisé du chemin sur le cluster. Les données semi-structurées prennent en charge les formats HTML, JSON et XML. Ce format se situe entre les données structurées et non structurées, et fournit des fonctionnalités limitées par rapport à la base de données relationnelle. Les besoins en stockage sont moindres que les données non structurées, mais plus que des données structurées. Vous pouvez stocker les journaux du serveur, les données de l'Internet des objets, et plus encore, tout en utilisant son schéma flexible. La plupart des mégadonnées ne sont pas structurées. En fait, on estime que 90 % des cas d'utilisation du Big Data sont exécutés sur des données non structurées. Cela signifie que vous devez avoir un plan solide pour déterminer comment vous allez stocker et utilisez vos données non structurées.

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

Description du cours

Le Big Data peut nous aider de plusieurs façons. La plupart des Big Data ne sont pas structurés. En fait, on estime que 90% des cas d’utilisation du Big Data sont exécutés sur des données non structurées. Cela signifie que vous devez avoir un plan solide pour déterminer comment vous allez stocker et utiliser vos données non structurées. Dans ces leçons, vous découvrirez les données structurées et non structurées, ainsi que l’architecture Big Data sur le cloud public. Vous apprendrez également à utiliser le Big Data pour stimuler les ventes des entreprises.

L’analyse Big Data est beaucoup plus facile à déployer sur le cloud public par rapport à un environnement sur site. Vous aurez besoin de centaines de machines virtuelles pour exécuter les analyses en fonction de la taille des données. Il serait difficile de provisionner autant de machines virtuelles dans un environnement local, mais cela peut être fait relativement facilement sur le cloud. Ce cours intitulé “Architecture Big Data, cas d’utilisation et besoins en infrastructure” vous donne des cas d’utilisation métier réels pour vous montrer le potentiel du Big Data.

Ce que vous allez apprendre

Distinguer les données structurées, semi-structurées et non structurées et planifier la façon de stocker et d'utiliser les données non structurées
Expliquer l'architecture Big Data sur le cloud public
Identifier les besoins en infrastructure Big Data pour le cloud public
Planifier le provisionnement de serveurs pour exécuter des analyses Big Data
Reconnaître des cas d'utilisation commerciaux réels qui montrent le potentiel du Big Data, y compris pour stimuler les ventes de l'entreprise

Points clés à retenir

La majorité du Big Data est non structurée, avec environ 90 % des cas d'utilisation du Big Data exécutés sur des données non structurées, il est donc essentiel d'avoir un plan solide pour stocker et utiliser les données non structurées.
L'analyse Big Data est plus facile à déployer sur le cloud public que dans un environnement sur site (on-premises).
L'exécution d'analyses peut nécessiter des centaines de machines virtuelles en fonction de la taille des données, ce qui est difficile à provisionner sur site mais relativement facile sur le cloud.
Le Big Data peut être utilisé pour stimuler les ventes de l'entreprise, et le cours présente des cas d'utilisation commerciaux réels pour démontrer son potentiel.

Foire aux questions

Quels sujets ce cours couvre-t-il ?

Il couvre les données structurées et non structurées, l'architecture Big Data sur le cloud public, les besoins en infrastructure Big Data, et les cas d'utilisation du Big Data, ainsi que la manière d'utiliser le Big Data pour stimuler les ventes de l'entreprise.

Pourquoi le cours se concentre-t-il sur le cloud public plutôt que sur le sur-site (on-premises) ?

Parce que l'analyse Big Data est plus facile à déployer sur le cloud public ; l'exécution d'analyses peut nécessiter des centaines de machines virtuelles en fonction de la taille des données, ce qui est difficile à provisionner sur site mais peut être fait relativement facilement via le cloud.

Quelles compétences vais-je acquérir grâce à ce cours ?

Vous développerez des compétences en Big Data, analyse Big Data, architecture des données, infrastructure des données, données semi-structurées et données non structurées.

Le cours inclut-il des exemples concrets ?

Oui, le cours vous fournit des cas d'utilisation commerciaux réels pour vous montrer le potentiel du Big Data.