Diese Bewertung ist ein benotetes Quiz, das auf dem in dieser Woche behandelten Modul basiert.

In diesem Modul lernen Sie die Skriptsprache Hive und ihre Verwendung für das Mining von Daten aus Hadoop-Clustern kennen. Hive bietet einen SQL-Dialekt namens Hive Query Language (abgekürzt HiveQL oder einfach HQL) für die Abfrage von Daten, die in einem Hadoop-Cluster gespeichert sind. Hive eignet sich am besten für Data Warehouse-Anwendungen, bei denen relativ statische Daten analysiert werden, keine schnellen Antwortzeiten erforderlich sind und die Daten sich nicht schnell ändern. Im Vergleich zu anderen Hadoop-Sprachen und -Werkzeugen können Entwickler mit Hive SQL-basierte Anwendungen leichter auf Hadoop portieren. Wie alle weit verbreiteten SQL-Dialekte entspricht Hive nicht vollständig einer bestimmten Revision des ANSI-SQL-Standards. Er kommt vielleicht dem MySQL-Dialekt am nächsten, weist aber erhebliche Unterschiede auf. Hive unterstützt verschiedene Größen von Ganzzahl- und Fließkommatypen, einen Booleschen Typ und Zeichenfolgen beliebiger Länge. Zuletzt werden Sie einen realen Datensatz in die Ambari-Umgebung laden, um ihn mit HDFS und HQL zu analysieren. Sie werden den Prozess des Erstellens von Tabellen, des Ladens von Daten und deren Analyse mit Hilfe einer Hive Abfragesprache durchlaufen.

Diese Bewertung ist ein benotetes Quiz, das auf den in dieser Woche behandelten Modulen basiert

In diesem Modul lernen Sie die Skriptsprache Pig Latin kennen und erfahren, wie Sie sie zur Abfrage von Big Data auf Hadoop-Clustern einsetzen können. Sie lernen auch die verschiedenen Datentypen und Befehle kennen, die in der Sprache Pig Latin zur Verfügung stehen, und wie diese zur Definition und Manipulation von Daten im Hadoop-Ökosystem verwendet werden können. Darüber hinaus werden Sie an einem praktischen Beispiel eines öffentlich verfügbaren Datensatzes arbeiten, um Pig Latin-Skripte für die Datenanalyse auszuführen.

In diesem Modul werden Sie mit der Notwendigkeit von NoSQL Datenbanken vertraut gemacht. Sie werden auch HBase, eine NoSQL Datenbank, und ihre Rolle im Hadoop Ökosystem kennenlernen. Sie lernen das CAP-Theorem kennen und erfahren, wie es sich auf die Abwägung zwischen den verschiedenen NoSQL-Datenbanken in Hadoop auswirkt. Sie werden auch mehr über CAP-Konsistenz, Verfügbarkeit und Partitionstoleranz erfahren und wie diese unsere Wahl der Technologie für den Zugriff auf und die Bearbeitung von Daten in Hadoop beeinflussen. Schließlich erhalten Sie einen Einblick in andere aufkommende Cloud-basierte NoSQL-Lösungen.

Diese Bewertung ist ein benotetes Quiz, das auf den in dieser Woche behandelten Modulen basiert.

In diesem Modul werden Sie mit der beliebten Apache Spark-Plattform für die Verarbeitung von Big Data vertraut gemacht. Sie werden die Schlüsselkomponenten von Apache Spark kennenlernen, die erhebliche Vorteile beim verteilten Rechnen bieten. Sie werden auch mit den Resilient Distributed Datastores (RDD) und den Spark DataFrames vertraut gemacht. Darüber hinaus werden Sie mit Spark SQL und Spark Streaming vertraut gemacht.

Diese Bewertung ist ein benotetes Quiz, das auf dem in dieser Woche behandelten Modul basiert.

In diesem Modul lernen Sie MLlib kennen, das für Vorhersagen auf großen Datenmengen verwendet wird, die eine verteilte Verarbeitung erfordern. Sie werden an Regressions- und Klassifizierungsaufgaben für große Datensätze arbeiten. Anschließend wird eine praktische Übung mit Streaming-Daten aus der Twitter API durchgeführt. Dabei handelt es sich um eine prädiktive Streaming-Anwendung, die den Teilnehmern ein End-to-End-Szenario für Big Data zeigt.

Video zur Kursnachbereitung