Formation HBase pour les Développeurs

Public cible :

Ce cours est destiné aux spécialistes des TIC à la recherche d'une solution pour stocker et traiter de grands ensembles de données dans un environnement de système distribué.

Goal :

Connaissance approfondie de l'administration des clusters Hadoop.

L'analyse de données volumineuses implique le processus d'examen de grands ensembles de données variées afin de découvrir des corrélations, des modèles cachés et d'autres informations utiles.

L'industrie de la santé dispose de masses de données médicales et cliniques complexes et hétérogènes. L'application de l'analyse de données volumineuses à des données de santé présente un énorme potentiel pour tirer des insights permettant d'améliorer la prestation des soins de santé. Cependant, l'énormité de ces ensembles de données pose de grands défis dans les analyses et les applications pratiques à un environnement clinique.

Dans cette formation dirigée par un formateur (à distance), les participants apprendront comment réaliser une analyse de données volumineuses dans la santé tout en effectuant une série d'exercices pratiques guidés.

À la fin de cette formation, les participants seront capables de :

• Installer et configurer des outils d'analyse de données volumineuses tels que Hadoop MapReduce et Spark
• Comprendre les caractéristiques des données médicales
• Appliquer des techniques de grandes données pour gérer les données médicales
• Étudier les systèmes et algorithmes de grande donnée dans le contexte des applications de santé

Public visé

• Développeurs
• Data Scientists

Format du cours permettant d'évaluer les participants

• Partie exposé, partie discussion, exercices et pratique intensive.

Note

• Pour demander une formation sur mesure pour ce cours, veuillez nous contacter pour organiser.

Lorsque les technologies de stockage traditionnelles ne parviennent pas à gérer la quantité de données que vous devez stocker, il existe des centaines d'alternatives. Ce cours vise à guider les participants sur les alternatives pour le stockage et l'analyse des Big Data et leurs avantages et inconvénients.

Ce cours se concentre principalement sur la discussion et la présentation des solutions, bien que des exercices pratiques soient disponibles sur demande.

Cette formation en direct, dispensée par un formateur en France (en ligne ou sur site), s'adresse aux professionnels de niveau débutant et intermédiaire souhaitant utiliser les concepts du Big Data et des bases de données pour comprendre les plateformes de données modernes et prendre de meilleures décisions technologiques et commerciales.

À l'issue de cette formation, les participants seront en mesure d'expliquer les concepts fondamentaux des bases de données et du Big Data, de comparer les principales options de plateforme de données, de décrire le stockage et le traitement des données, et d'identifier les cas d'utilisation pratiques et les besoins en matière de gouvernance.

Cette formation dirigée par un instructeur (en ligne ou sur site) en France est destinée aux administrateurs de bases de données ou aux développeurs qui souhaitent utiliser Microsoft Azure Cosmos DB pour développer et gérer des applications à très faible latence et hautement réactives.

À la fin de cette formation, les participants seront capables de :

• Fournir les ressources Cosmos DB nécessaires pour commencer à créer des bases de données et des applications.
• Mettre à l'échelle les performances et le stockage de l'application en utilisant les API dans Cosmos DB.
• Gérer les opérations de la base de données et réduire les coûts en optimisant les ressources de Cosmos DB.

Apache Hadoop est le cadre le plus populaire pour le traitement Big Data sur des clusters de serveurs. Au cours de ce stage de trois jours (quatre jours optionnellement), les participants apprendront les avantages commerciaux et les cas d'utilisation pour Hadoop et son écosystème, comment planifier la mise en place et l'expansion du cluster, comment installer, entretenir, surveiller, résoudre les problèmes et optimiser Hadoop. Ils pratiqueront également le chargement de données massives sur le cluster, se familiariseront avec diverses distributions Hadoop, et exerceront l'installation et la gestion des outils de l'écosystème Hadoop. Le cours se terminera par une discussion sur la sécurisation du cluster avec Kerberos.

“…Les matériaux étaient très bien préparés et couverts en profondeur. La salle d'exercices était très utile et bien organisée”
— Andrew Nguyen, Principal Integration DW Engineer, Microsoft Online Advertising

Audience

Administrateurs Hadoop

Format

Conférences et ateliers pratiques, répartition approximative 60% conférences, 40% ateliers.

Apache Hadoop est le framework le plus populaire pour traiter des données massives sur des clusters de serveurs. Ce cours introduira un développeur aux divers composants de l'écosystème Hadoop (HDFS, MapReduce, Pig, Hive et HBase).

Apache Hadoop est l'un des cadres les plus populaires pour traiter les Big Data sur des clusters de serveurs. Ce cours approfondit la gestion des données dans HDFS, Pig, Hive et HBase avancés. Ces techniques de programmation avancées seront bénéfiques aux développeurs expérimentés en Hadoop.

Public cible: développeurs

Durée : trois jours

Format : conférences (50 %) et laboratoires pratiques (50 %).

Public cible :

Ce cours vise à démystifier la technologie Big Data/Hadoop et à montrer qu'elle n'est pas difficile à comprendre.

Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux administrateurs système qui souhaitent apprendre à mettre en place, déployer et gérer des clusters Hadoop au sein de leur organisation.

A l'issue de cette formation, les participants seront capables de :

• Installer et configurer Apache Hadoop.
• Comprendre les quatre composants majeurs de l'écosystème Hadoop : HDFS, MapReduce, YARN et Hadoop Common.
• Utiliser le système de fichiers distribués Hadoop (HDFS) pour faire évoluer un cluster vers des centaines ou des milliers de nœuds. 
• Configurer HDFS comme moteur de stockage pour les déploiements Spark sur site.
• Configurer Spark pour accéder à des solutions de stockage alternatives telles qu'Amazon S3 et des systèmes de base de données NoSQL tels que Redis, Elasticsearch, Couchbase, Aerospike, etc.
• Exécuter des tâches administratives telles que le provisionnement, la gestion, la surveillance et la sécurisation d'un cluster Apache Hadoop.

Apache NiFi est une plateforme open-source, basée sur le flux de données, pour l'intégration et le traitement d'événements. Elle permet un routage, une transformation et une médiation en temps réel entre des systèmes disparates, avec une interface utilisateur web et un contrôle granulaire.

Cette formation dirigée par un instructeur (sur site ou à distance) est destinée aux administrateurs et ingénieurs de niveau intermédiaire qui souhaitent déployer, gérer, sécuriser et optimiser les flux de données NiFi dans des environnements de production.

À la fin de cette formation, les participants seront en mesure de :

• Installer, configurer et maintenir des clusters Apache NiFi.
• Concevoir et gérer des flux de données provenant de sources et de récepteurs variés.
• Mettre en œuvre l'automatisation du flux, le routage et la logique de transformation.
• Optimiser les performances, surveiller les opérations et dépanner les problèmes.

Format du cours permettant d'évaluer les participants

• Cours interactif avec discussion sur l'architecture réelle.
• Laboratoires pratiques : construction, déploiement et gestion des flux.
• Exercices basés sur des scénarios dans un environnement de laboratoire en direct.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser.

Au cours de cette formation en direct et dirigée par un instructeur dans France, les participants apprendront les principes fondamentaux de la programmation par flux en développant un certain nombre d'extensions, de composants et de processeurs de démonstration à l'aide de Apache NiFi.

A la fin de cette formation, les participants seront capables de :

• Comprendre l'architecture de NiFi et les concepts de flux de données.
• Développer des extensions en utilisant NiFi et des APIs tierces.
• Développer leur propre processeur Apache Nifi.
• Ingérer et traiter des données en temps réel à partir de formats de fichiers et de sources de données disparates et peu communs.

Les bases de données relationnelles ont été la technologie de choix pour le stockage, la récupération et l'interrogation des données. Les bases de données relationnelles permettent aux utilisateurs d'organiser leurs données en utilisant un ensemble structuré et bien défini de motifs (modèle). Bien que cette approche fonctionne bien pour le stockage des données qui sont standardisées et bien comprises à l'avance (pensez à une application d'enregistrement hospitalier qui contient des dossiers de patients avec le même ensemble cohérent de champs pré-définis... identifiant du patient, prénom, nom, date de la dernière visite, etc.), il existe des limitations à ce modèle. Pour les organisations dont les données entrantes ne sont pas bien définies (pensez à un formulaire de demande en ligne pour une start-up qui est encore en phase d'expérimentation avec différents champs pour collecter des données sur les visiteurs, en ajoutant et supprimant des champs au fur et à mesure pour s'adapter à la nature changeante de l'entreprise), toute définition établie sur la manière dont les données devraient s'intégrer dans une base de données existante devraient être redéfinies régulièrement. Cela nécessiterait de recréer le modèle de données (schéma) qui dicte la structure des données et leurs types de données autorisés pour prendre en charge différents types d'entrées de données, etc., avant que de nouvelles données puissent être enregistrées dans la base de données.

Entrez dans les bases de données NoSQL (Not Only SQL). Les bases de données NoSQL libèrent les utilisateurs de la nécessité de pré-définir la structure des données entrantes, leur permettant d'insérer et de mettre à jour de nouvelles données en temps réel. Les bases de données NoSQL sont souvent plus rapides que les bases de données relationnelles et peuvent gérer de très grandes quantités de données avec facilité. Les bases de données NoSQL s'échelonnent également mieux que les bases de données relationnelles, grâce à leur capacité à partitionner efficacement les données sur de nombreux serveurs (cluster) et à équilibrer la charge d'accès à ces données. Les bases de données NoSQL s'intègrent particulièrement bien avec les applications qui supportent les analyses en temps réel, la personnalisation des sites, l'IoT et les applications mobiles.

Dans cette formation dirigée par un instructeur, les participants comprendront l'architecture, les principes de conception et la fonctionnalité des bases de données NoSQL les plus populaires tout en configurant, exploitant et évaluant plusieurs bases de données NoSQL dans un environnement de laboratoire en direct. L'objectif de cette formation est de permettre aux participants d'évaluer, de proposer et de mettre en œuvre de manière intelligente une solution de base de données NoSQL adaptée au sein de leur organisation.

À la fin de cette formation, les participants seront capables de :

• Installer et configurer différents types de bases de données NoSQL, y compris MongoDB, Cassandra, Redis et Neo4j
• Comprendre les avantages et les inconvénients des bases de données NoSQL par rapport aux bases de données relationnelles
• Comprendre les formats de données sous-jacents utilisés par les bases de données NoSQL et comment ces formats peuvent être utilisés à votre avantage lors du développement d'applications modernes (bureau, mobile, cloud, IoT)
• Effectuer des opérations de création, d'insertion, de mise à jour et de suppression dans une base de données NoSQL
• Configurer un environnement mixte avec à la fois une base de données relationnelle et NoSQL fonctionnant en tandem
• Configurer un cluster de bases de données NoSQL pour distribuer le traitement de très grands ensembles de données
• Comprendre les implications de sécurité de l'utilisation d'une base de données NoSQL
• Déployer et échelonner une base de données NoSQL dans un environnement de production

Public

• Professionnels des bases de données
• Architectes de données
• Stratèges de données
• Chefs de projet
• Développeurs d'applications souhaitant intégrer une solution de base de données flexible dans leur application

Format du cours permettant d'évaluer les participants

• Partie conférence, partie discussion, exercices et pratique intensive

Note

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.

redis

nosql

Scylla est un magasin de données NoSQL distribué open-source. Il est compatible avec Apache Cassandra mais offre des débits beaucoup plus élevés et des latences beaucoup plus faibles.

Dans ce cours, les participants apprendront les caractéristiques et l'architecture de Scylla tout en acquérant une expérience pratique de l'installation, de l'administration, de la surveillance et du dépannage de Scylla.

Public cible

• Administrateurs de bases de données
• Développeurs
• Ingénieurs systèmes

Format du cours permettant d'évaluer les participants

• Le cours est interactif et inclut des discussions sur les principes et approches pour déployer et gérer des bases de données et des clusters Scylla distribués.
• Le cours comprend une composante importante d'exercices pratiques et de mise en pratique.