Formation Big Data - Le SQL distribué

Télécharger le plan de cours

Demander un devis

Obtenir un renseignement

Informations générales

Référence BIG552

Durée 2 jours (14h)

Tarif 1 510 €HT

Objectifs

Après ce cours, vous serez capable de :

Identifier les connexions existantes entre les mondes relationnels et NoSQL en environnement Big Data
Savoir mettre en oeuvre Hive et Pig, Impala, les Spark Dataframes

Public

Ce cours s'adresse avant tout aux personnes suivantes :

Experts en bases de données relationnelles, chefs de projet

Prérequis

Pour suivre ce cours, vous devez déjà posséder les connaissances suivantes :

Connaissance générale des systèmes d'informations et des bases de données

Programme de la formation

Langage historique né avec les systèmes de gestion de bases de données relationnelles au début des années 2000, le SQL a été tellement utilisé par les développeurs et autres utilisateurs de solutions de Business Intelligence qu’il fait aujourd’hui figure de standard. Mais l’émergence des bases de données distribuées qui reposent sur des architectures machines en cluster vient changer la donne en rendant l’utilisation traditionnelle du SQL inopérante. C’est pourquoi la communauté Open Source a créé différents outils capables d’exécuter des requêtes SQL sur ces nouveaux systèmes distribués (également appelés bases NoSQL). Les participants à cette formation de 2 jours découvriront les principales solutions aujourd’hui disponibles et seront à même de choisir la plus adaptée à leur problématique spécifique.

PRÉSENTATION

Besoin
Adéquation entre les objectifs et les outils
Faciliter la manipulation de gros volumes de données en conservant une approche utilisateurs
Rappels sur le stockage : HDFS, Cassandra, HBase et les formats de données (parquet, orc, raw, clés/valeurs)
Les outils : Hive, Impala, Tez, Presto, Drill, Pig, Spark/QL

HIVE ET PIG

Présentation
Mode de fonctionnement
Rappel sur map/reduce
Hive : le langage HiveQL - Exemples
Pig : le langage pig/latin - Exemples

IMPALA

Présentation
Cadre d'utilisation
Contraintes
Liaison avec le métastore Hive
Travaux pratiques : mise en évidence des performances

PRESTO

Cadre d'utilisation
Sources de données utilisables
Travaux pratiques : mise en oeuvre d'une requête s'appuyant sur Cassandra et PostgreSQL

SPARK DATAFRAME

Les différentes approches
Syntaxe Spark/SQl
APIs QL
Compilation catalyst
Syntaxe, opérateurs
Travaux pratiques : mise en oeuvre d'une requête s'appuyant sur HBase et HDFS

DRILL

Utilisation d'APIs JDBC, ODBC
Indépendance Hadoop
Contraintes d'utilisation
Performances

COMPARATIFS

Compatibilité ANSI/SQL
Approches des différents produits
Critères de choix

plus d'infos

Méthode pédagogique

Chaque participant travaille sur un poste informatique qui lui est dédié. Un support de cours lui est remis soit en début soit en fin de cours. La théorie est complétée par des cas pratiques ou exercices corrigés et discutés avec le formateur. Le formateur projette une présentation pour animer la formation et reste disponible pour répondre à toutes les questions.

Méthode d'évaluation

Tout au long de la formation, les exercices et mises en situation permettent de valider et contrôler les acquis du stagiaire. En fin de formation, le stagiaire complète un QCM d'auto-évaluation.

Mis à jour le 08/11/2023