Qu’est-ce que le Big Data ?
De plus en plus interconnecté
Le monde change
2 milliards
4.6 milliards
utilisateurs d’Internet
téléphones cellulaires
Le monde change
De plus en plus interconnecté
De plus en plus instrumentalisé
Le monde change
Web 3.0
L'Internet des objets représente l'extension d'Internet à des choses et à des lieux dans le monde physique.
Alors qu'Internet ne se prolonge habituellement pas au-delà du monde électronique, l'internet des objets (IdO) a pour but de l'étendre au monde réel
en associant des étiquettes munies de codes, de puces RFID ou d'URLs aux objets ou aux lieux.
Ces étiquettes pourront être lues par des dispositifs mobiles sans fil, ce qui devrait favoriser l’émergence de la réalité augmentée.
Le monde change
De plus en plus interconnecté
De plus en plus intelligent
De plus en plus instrumentalisé
Qu’est ce que le Big Data ?
Qu’est ce que le Big Data ?
Ensembles de données qui deviennent tellement volumineux qu'ils en deviennent difficiles à travailler avec des outils classiques de gestion de base de données ou de
gestion de l'information.
Dans ces nouveaux ordres de grandeur, la capture, le stockage, la recherche, le partage, l'analyse et la visualisation des données doivent être redéfinis
Caractéristiques
44x plus de données en une décennie
L’information grandit à une vitesse incroyable !
Caractéristiques
20%
80%
80% des données sont non structurées
Deux types de Big Data
Données en mouvement
Le reste
• Tweets / Posts Facebook• Données boursières• Capteurs : Signes vitaux d’un nouveau-né
• Historique de données en mouvement• Données non structurées : formulaires ...• Données structurées depuis des systèmes disparates
Exemples de Big Data
100 TB de données / jour
230 M de tweets / jour
294 M de courriels / jour
50 Petabytes de données dans le domaine de la
santé
Examples
• Analyse multicanal du sentiment et de l’expérience utilisateur • Détecter les signes inquiétants d’un patient dans les hôpitaux afin d’intervenir à
temps• Prendre des décisions risquées basées sur les données transactionnelles en
temps réel • Identifier les criminels et menaces depuis de nombreuses sources vidéos, audio et
flux de données • Prédire les modèles climatiques afin de choisir un emplacement optimisé pour les
éoliennes
Comment analyser ces données et en extraire l’essentiel ?
Challenges
Ranger 10TB sur 1 noeud :
sur 100 noeuds :
2.5 jours35 min
Challenges
Gros noeuds implique un cout élevé
Grand nombre de noeuds bon marché impliquent un gros nombre d’erreurs
Plusieurs Noeuds bon marché
Système Fault-tolerant automatique
Challenges
On a besoin d’un nouveau modèle de traitement parallèle pour des clusters de
machines
À la rescousse
Map Reduce
Publié par Google en .
Rendu populaire par le projet Apache Hadoop
Utilisé par :
2004
Map Reduce
Map Reduce
Philosophie
• Masque la complexité• Rends le processus évolutif (scalability)• Le rend peu onéreux
Coeur de Hadoop
Map ReduceHDFS Système de fichier distribué
Planification / Execution
Coeur de Hadoop
Map ReduceSystème de fichier distribué
Planification / Execution
HDFS
• Name Node garde les métadonnées• Fichiers coupés en blocs de 64 MB• Blocs répliqués sur 3 Data Node
Coeur de Hadoop
Map Reduce
Système de fichier distribué
Planification / Execution
HDFS
• Name Node garde les métadonnées• Fichiers coupés en blocs de 64 MB• Blocs répliqués sur 3 Data Node
• Job tracker distribue les taches et gères les erreurs
• Tâches assignées selon les données locales• Task Tracker peut exécuter plusieurs tâches
Coeur de Hadoop
Job Tracker
Name Node Data Node
Task Tracker
Clien
t
Suite HadoopZo
okee
per
Avro
Pig (ETL) Hive (BI) Sqoop (RDBMS)
MapReduce
HDFS
Pig
Hive
Coeur de HadoopZo
okee
per
Avro
Mahout HBase Cassandra
MapReduce
HDFS
Des Questions ?
a Storm is coming ...