Code formation

ApHadm1

Durée

21 heures (généralement 3 jours pauses comprises)

Pré requis

Attendees are not required to have any specific skill as the training is focused on end users skills for both the administration and the manipulation of data under Apache Hadoop

Aperçu

Ce cours est destiné aux développeurs, architectes, scientifiques de données ou à tout profil nécessitant un accès intensif ou régulier aux données.

Le cours est axé sur la manipulation et la transformation des données.

Parmi les outils de l'écosystème Hadoop , ce cours comprend l'utilisation de Pig et Hive deux outils très utilisés pour la transformation et la manipulation de données.

Cette formation aborde également les métriques de performance et l'optimisation de la performance.

Le cours est entièrement pratique et est ponctué de présentations des aspects théoriques.

Machine Translated

Plan du cours

1.1Hadoop Concepts

1.1.1HDFS

The Design of HDFS
Command line interface
Hadoop File System

1.1.2Clusters

Anatomy of a cluster
Mater Node / Slave node
Name Node / Data Node

1.2Data Manipulation

1.2.1MapReduce detailed

Map phase
Reduce phase
Shuffle

1.2.2Analytics with Map Reduce

Group-By with MapReduce
Frequency distributions and sorting with MapReduce
Plotting results (GNU Plot)
Histograms with MapReduce
Scatter plots with MapReduce
Parsing complex datasets
Counting with MapReduce and Combiners
Build reports

1.2.3Data Cleansing

Document Cleaning
Fuzzy string search
Record linkage / data deduplication
Transform and sort event dates
Validate source reliability
Trim Outliers

1.2.4Extracting and Transforming Data

Transforming logs
Using Apache Pig to filter
Using Apache Pig to sort
Using Apache Pig to sessionize

1.2.5Advanced Joins

Joining data in the Mapper using MapReduce
Joining data using Apache Pig replicated join
Joining sorted data using Apache Pig merge join
Joining skewed data using Apache Pig skewed join
Using a map-side join in Apache Hive
Using optimized full outer joins in Apache Hive
Joining data using an external key value store

1.3Performance Diagnosis and Optimization Techniques

Map
- Investigating spikes in input data
- Identifying map-side data skew problems
- Map task throughput
- Small files
- Unsplittable files
Reduce
- Too few or too many reducers
- Reduce-side data skew problems
- Reduce tasks throughput
- Slow shuffle and sort
Competing jobs and scheduler throttling
Stack dumps & unoptimized code
Hardware failures
CPU contention
Tasks
- Extracting and visualizing task execution times
- Profiling your map and reduce tasks
Avoid the reducer
Filter and project
Using the combiner
Fast sorting with comparators
Collecting skewed data
Reduce skew mitigation

Nos Clients témoignent

★★★★★

Qu'est-ce qui vous a le plus plu dans la formation?: Détaillé sur chaque outil.

Amber Mehrotra - NIIT Limited

Formation:Administration de Hadoop

Machine Translated

Le fait que toutes les données et tous les logiciels étaient prêts à être utilisés sur une VM déjà préparée, fournie par le formateur sur des disques externes.

vyzVoice

Formation:Hadoop pour Développeurs et Administrateurs

Machine Translated

J'ai surtout aimé le formateur en donnant des exemples réels.

Simon Hahn