HBase dla Big Data: Kolumnowe przechowywanie i projektowanie schematów

W miarę wykładniczego wzrostu zbiorów danych tradycyjne relacyjne bazy danych często mają problemy ze skalowaniem. Apache HBase zapewnia potężne, rozproszone, zorientowane na kolumny rozwiązanie bazy danych NoSQL zbudowane na Hadoop do obsługi ogromnych ilości ustrukturyzowanych i półstrukturalnych danych. Ten kurs tekstowy prowadzi przez podstawowe pojęcia HBase, od podstawowej terminologii po praktyczne projektowanie schematów i operacje danych. Zrozumiesz, jak HBase przechowuje dane w klastrach i jak pisać skuteczne zapytania w celu odczytu i zapisu w czasie rzeczywistym. Czego się nauczysz: - Zrozum podstawową architekturę Apache HBase i jak różni się ona od tradycyjnych relacyjnych baz danych - Analizuj model danych zorientowany na kolumny, w tym rodziny kolumn, kwalifikatory i klucze wierszy - Zaprojektuj wydajne schematy HBase, które zapobiegają hotspottingowi i optymalizują wydajność odczytu i zapisu - Wykonuj podstawowe operacje na danych za pomocą powłoki HBase i zrozum koncepcje integracji API - Skonfiguruj tabele HBase dla optymalnego przechowywania, kompresji i buforowania bloków danych - Zintegruj HBase z nowoczesnymi ekosystemami dużych danych i rozproszonymi architekturami pamięci masowej Zaczniesz od nauki podstawowych koncepcji NoSQL i architektury HBase, zanim przejdziesz do praktycznych wzorców projektowania schematu i mechaniki zapytań poprzez jasne, krok po kroku pisemne wyjaśnienia i przykłady kodu. Ten kurs jest przeznaczony dla administratorów baz danych, inżynierów danych i programistów, którzy są nowi w HBase i chcą zbudować solidne podstawy w rozproszonej pamięci masowej zorientowanej na kolumny. Nie jest wymagane wcześniejsze doświadczenie z HBase. Zacznij tworzyć skalowalne, wysokowydajne rozwiązania do przechowywania dużych ilości danych już dziś.