Acquérez des compétences pratiques en analyse de mégadonnées grâce à Apache Hive, Pig, MapReduce, Sqoop, HDFS et l'écosystème Hadoop. Vous commencerez par découvrir l’architecture de Hive et les commandes de base de données, puis vous créerez et gérerez des tables externes, des partitions et des buckets. Au fur et à mesure de votre progression, vous appliquerez des contraintes telles que NOT NULL, UNIQUE et CHECK, et créerez des tables avancées à l’aide de CTAS, STORED AS et ROW FORMAT.

Vous importerez ensuite des données issues des réseaux sociaux depuis un SGBDR vers HDFS à l’aide de Sqoop, puis exécuterez des programmes MapReduce pour traiter des fichiers XML. Grâce à des analyses basées sur la localisation, l’auteur et les lecteurs, vous examinerez les performances et les préférences en matière de livres au sein d’ensembles de données à grande échelle. Enfin, vous écrirez des scripts Pig Latin pour analyser des données XML, explorer et enregistrer les résultats à l’aide de DUMP, STORE et DESCRIBE, et combinerez les types de données complexes de Hive avec MapReduce pour analyser des ensembles de données de signets et les interactions des utilisateurs. Conçu pour les professionnels, les étudiants et les passionnés de données, ce cours associe les connaissances fondamentales sur Hive à des applications pratiques d’intégration, de traitement et d’analyse des données. Ses deux études de cas pratiques — l’une dans le domaine des télécommunications et l’autre dans celui de l’analyse des réseaux sociaux — vous aident à appliquer les outils Hadoop à des défis concrets liés aux données. Inscrivez-vous pour mettre en place un workflow structuré permettant de gérer des données complexes, d’exécuter des tâches de traitement distribué et d’extraire des informations pertinentes à grande échelle.