Fondamenti di Hadoop e dell'elaborazione distribuita dei dati

Poiché il volume dei dati globali cresce esponenzialmente, i sistemi di database tradizionali faticano ad archiviare e analizzare set di dati massivi. Comprendere come i sistemi distribuiti gestiscono i big data è una competenza essenziale per sviluppatori moderni, analisti di dati e architetti di sistemi. Questo corso solo testuale ti guida attraverso i concetti fondamentali del calcolo distribuito, mostrandoti come Hadoop risolve le sfide dei big data. Passerete dalla comprensione delle limitazioni di archiviazione di base alla concettualizzazione di flussi di lavoro di elaborazione dati che funzionano in modo efficiente su più nodi di computer. Cosa imparerai: - Comprendere l'architettura principale di Hadoop, inclusi l'Hadoop Distributed File System (HDFS) e MapReduce. - Spiegare come l'archiviazione distribuita gestisce la replica dei dati, la tolleranza agli errori e l'alta disponibilità. - Analizzare il modello di programmazione MapReduce tracciando i dati attraverso le fasi di map, shuffle e reduce. - Confrontare le configurazioni tradizionali di Hadoop con l'archiviazione di oggetti basata su cloud moderna e le architetture di dati ibride. - Esercitarsi a progettare flussi di lavoro di dati concettuali per risolvere problemi comuni di elaborazione di big data come l'aggregazione dei log. Inizierai con le definizioni fondamentali di big data e sistemi distribuiti prima di esplorare l'architettura HDFS e il flusso di esecuzione MapReduce. Infine, imparerai come i moderni ecosistemi cloud si integrano con questi modelli fondamentali di big data. Questo corso è progettato per principianti assoluti dei big data, senza alcuna esperienza precedente in sistemi distribuiti o programmazione parallela richiesta. Inizia a leggere oggi per costruire una solida base nell'elaborazione di dati su larga scala.