Formation Spark, développer des applications pour le Big Data

Vous développerez des applications en Java en vue de traiter en temps réel des données issues du Big Data. Vous collecterez, stockerez et traiterez avec Spark des données de formats hétérogènes afin de mettre en place des chaînes de traitement intégrées à votre Système d'Information.

Travaux pratiques

• Mise en pratique des notions vues en cours à l'aide du langage Java.  

Présentation d'Apache Spark

• Historique du Framework.
• Les différentes versions de Spark (Scala, Python et Java).
• Comparaison avec l'environnement Apache Hadoop.
• Les différents modules de Spark.
• Travaux pratiques   Installation et configuration de Spark. Exécution d'un premier exemple avec le comptage de mots.

Programmer avec les Resilient Distributed Dataset (RDD)

• Présentation des RDD.
• Créer, manipuler et réutiliser des RDD.
• Accumulateurs et variables broadcastées.
• Utiliser des partitions.
• Travaux pratiques   Manipulation de différents Datasets à l'aide de RDD et utilisation de l'API fournie par Spark.

Manipuler des données structurées avec Spark SQL

• SQL, DataFrames et Datasets.
• Les différents types de sources de données.
• Interopérabilité avec les RDD.
• Performance de Spark SQL.
• JDBC/ODBC server et Spark SQL CLI.
• Travaux pratiques   Manipulation de Datasets via des requêtes SQL. Connexion avec une base externe via JDBC.

Spark sur un cluster

• Les différents types d'architecture : Standalone, Apache Mesos ou Hadoop YARN.
• Configurer un cluster en mode Standalone.
• Packager une application avec ses dépendances.
• Déployer des applications avec Spark-submit.
• Dimensionner un cluster .
• Travaux pratiques   Mise en place d'un cluster Spark.

Analyser en temps réel avec Spark Streaming

• Principe de fonctionnement.
• Présentation des Discretized Streams (DStreams).
• Les différents types de sources.
• Manipulation de l'API.
• Comparaison avec Apache Storm.
• Travaux pratiques   Consommation de logs avec Spark Streaming.

Manipuler des graphes avec GraphX

• Présentation de GraphX.
• Les différentes opérations.
• Créer des graphes.
• Vertex and Edge RDD.
• Présentation de différents algorithmes.
• Travaux pratiques   Manipulation de l'API GraphX à travers différents exemples.

Machine Learning avec Spark

• Introduction au Machine Learning.
• Les différentes classes d'algorithmes.
• Présentation de SparkML et MLlib.
• Implémentations des différents algorithmes dans MLlib.
• Travaux pratiques   Utilisation de SparkML et MLlib.