Arquitetura de Big Data, casos de uso e necessidades de infraestrutura

Name: Arquitetura de Big Data, casos de uso e necessidades de infraestrutura
Author: Chintan Thakkar

Descobre mais sobre infraestrutura para Big Data na nuvem pública.

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

Curso: sob demanda

(música suave) Bem-vindo à arquitetura de big data, casos de uso, e necessidades de infraestrutura. Nestas lições, você aprenderá sobre estrutura e dados não estruturados, e arquitetura de big data na nuvem pública. Existem vários casos de uso relacionados à análise de big data, e você aprenderá a gerar informações a partir de big data e usá-lo para impulsionar as vendas de negócios. Discutiremos os detalhes da estrutura e dados não estruturados, arquitetura de big data, casos de uso de big data para nuvem pública, necessidades de infraestrutura de big data. Os dados estruturados são altamente organizados e geralmente armazenados em um banco de dados relacional em formato de linha e coluna. É muito fácil pesquisar um formato de dados estruturados porque segue o modelo de dados que o administrador do banco de dados SQL criou, e contém um esquema fixo. Se sua tabela de banco de dados contém três colunas, então você só pode armazenar os dados em três colunas. Os dados são criados por humanos ou de aplicativos corporativos. Aqui estão as principais aplicações que normalmente geram dados estruturados, sistemas de gestão de clientes, estoques de varejo, sistemas de planejamento de recursos empresariais, sistemas de informação estudantil. Dados não estruturados geralmente significam um grande conjunto de dados. Ele não contém um modelo ou esquema de dados fixo, e pode ser difícil pesquisar dentro dos dados não estruturados devido ao tamanho e estrutura dos dados. Os dados são gerados pela internet das coisas, ou humanos. Exemplos típicos de dados não estruturados incluem processamento de imagens, análise de dados, fornecer recomendações, sistemas preditivos. Os dados não estruturados são frequentemente armazenados em um banco de dados NoSQL ou tipo de solução de data lake. Existem vários fornecedores que fornecem um banco de dados como um serviço para armazenar dados não estruturados. Uma opção é o MongoDB Atlas O MongoDB Atlas fornece um banco de dados como um serviço para armazenar dados de documentos que funciona como uma solução totalmente gerenciada que é implantado na nuvem pública. Ele pode ser facilmente dimensionado com base nos requisitos, e também é possível ter configurações sempre ativas com replicação entre regiões. Você pode criptografar documentos e armazená-los no banco de dados. Se houver uma carga maior, então ele também pode escalar automaticamente com base na configuração. O MongoDB Atlas é um banco de dados sob demanda, o que significa que pode ser provisionado em cinco minutos ou menos. Quando terminar com o banco de dados, você pode encerrar o recurso com um único clique. O MongoDB Atlas pode armazenar documentos inteiros. Vamos revisar alguns exemplos de documentos do MongoDB. Aqui está um esquema JSON de amostra. Você pode gerar o documento JSON deste esquema e armazená-lo. O MongoDB Atlas também fornece a funcionalidade de failover de região. Portanto, se toda a região da nuvem falhar, então o MongoDB será executado em outra região. Você pode configurar o tamanho do cluster, nuvem pública e vários fragmentos com base em seus requisitos. Sua equipe pode se concentrar no desenvolvimento de aplicativos em vez de focar na infraestrutura do MongoDB, que também permite configurar a implantação de caminho automatizado no cluster. Os dados semiestruturados suportam os formatos HTML, JSON e XML. Esse formato está entre dados estruturados e não estruturados, e fornece funcionalidade limitada comparado ao banco de dados relacional. Os requisitos de armazenamento são menores do que dados não estruturados, mas mais do que dados estruturados. Você pode armazenar logs do servidor, dados da Internet das Coisas, e mais, todos usando seu esquema flexível. A maioria dos big data não é estruturada. Na verdade, estima-se que 90% dos casos de uso de big data são executados em dados não estruturados. Isso significa que você precisa ter um plano sólido para determinar como você vai armazenar e utilizar seus dados não estruturados.

Principiante Fornecedor : Chintan Thakkar 4 lições · 18m em Árabe, Alemão, Inglês, Espanhol, Francês, Português, Urdu, Chinese

Descrição do curso

O Big Data pode nos ajudar de várias maneiras. A maior parte do Big Data não é estruturada. Na verdade, estima-se que 90% dos casos de uso de Big Data sejam executados em dados não estruturados. Isto significa que precisas ter um plano sólido para determinares como armazenar e utilizar teus dados não estruturados. Nestas lições, aprenderás sobre dados estruturados e não estruturados, bem como arquitetura de Big Data na nuvem pública. Também aprenderás a usar o Big Data para impulsionares as vendas de negócios.

A análise de Big Data é muito mais fácil de implantares na nuvem pública em comparação com um ambiente local. Precisarás de centenas de máquinas virtuais para executares a análise, a depender do tamanho dos dados. Seria difícil provisionares tantas máquinas virtuais em um ambiente local, mas isto pode ser feito com relativa facilidade pela nuvem. Este curso de Arquitetura de Big Data, Casos de Uso e Necessidades de Infraestrutura oferece casos de uso de negócios reais para mostrar o potencial do Big Data.

O Que Você Vai Aprender

Distinguir dados estruturados, semi-estruturados e não estruturados e planejar como armazenar e usar dados não estruturados
Explicar a arquitetura de Big Data na nuvem pública
Identificar as necessidades de infraestrutura de Big Data para a nuvem pública
Planejar o provisionamento de servidor para executar análises de Big Data
Reconhecer casos de uso de negócio reais que mostram o potencial do Big Data, incluindo impulsionar vendas de negócio

Principais Conclusões

A maioria do Big Data é não estruturada, com cerca de 90% dos casos de uso de Big Data sendo executados contra dados não estruturados, portanto um plano sólido para armazenar e usar dados não estruturados é essencial.
A análise de Big Data é mais fácil de implementar na nuvem pública do que em um ambiente local.
A execução de análises pode exigir centenas de máquinas virtuais dependendo do tamanho dos dados, o que é difícil de provisionar localmente, mas relativamente fácil na nuvem.
Big Data pode ser usado para impulsionar vendas de negócio, e o curso apresenta casos de uso de negócio reais para demonstrar seu potencial.

Perguntas Frequentes

Quais tópicos este curso abrange?

Abrange dados estruturados e não estruturados, arquitetura de Big Data na nuvem pública, necessidades de infraestrutura de Big Data e casos de uso de Big Data, junto com como usar Big Data para impulsionar vendas de negócio.

Por que o curso se concentra na nuvem pública em vez de local?

Porque a análise de Big Data é mais fácil de implementar na nuvem pública; a execução de análises pode exigir centenas de máquinas virtuais dependendo do tamanho dos dados, o que é difícil de provisionar localmente, mas pode ser feito relativamente facilmente na nuvem.

Quais habilidades vou ganhar com este curso?

Você desenvolverá habilidades em Big Data, Big Data Analytics, Data Architecture, Data Infrastructure, dados semi-estruturados e dados não estruturados.

O curso inclui exemplos do mundo real?

Sim, o curso oferece casos de uso de negócio reais para mostrar o potencial do Big Data.