Big Data Grundkurs
Classroom Schulung | Deutsch | Anspruch
Schulungsdauer: 1 Tag
Ziele
In diesem Kurs wird Ihnen gezeigt, warum das Thema in aller Munde ist. Jenseits des damit verbundenen Marketing-Spektakels werden die einzelnen Komponenten und deren Zusammenwirken vorgestellt sowie mögliche Einsatzszenarien skizziert.
Zielgruppe
- Entscheider
- (Fach-)Anwender
- Projektmanager
Voraussetzungen
IT-Grundkenntnisse
Agenda
Überblick
Sie erfahren etwas über die riesigen Datenmengen, die durch die Welt bewegt werden und darüber, dass nicht das Speichern, sondern das Suchen nach und Analysieren von Informationen das Problem ist.
Hadoop-Bestandteile
"Big Data" wird zumeist mit Hadoop gleich gesetzt. Das ist zwar nicht ganz exakt, wird aber in diesem Kurs ebenso gehandhabt. Dabei erhalten Sie einen allerersten Überblick über Hadoop. Es wird die Nutzung einer Hadoop-Sandbox demonstriert.
Was ist anders
Personen, die im Umgang mit Datenbanken und strukturierten Daten vertraut sind, tun sich schwer mit dem Ansatz für "Big Data", denn Hadoop "tickt" gänzlich anders als die vertraute relationale Welt. Sie erfahren, was Hadoop von dem klassischen Ansatz unterscheidet.
HDFS (Hadoop Distributed File System)
Das Kernstück von Hadoop ist ein leistungsstarkes, robustes und extrem skalierbares Dateisystem. In diesem Abschnitt erfahren Sie das Wichtigste über HDFS. Es wird die Kommunikation von und mit HDFS demonstriert.
MapReduce
Die Java-basierte Klassenbibliothek für MapReduce ist der Maschinenraum von Hadoop. In diesem Abschnitt lernen Sie das von Google eingeführte Programmiermodell für nebenläufige Berechnungen näher kennen. Es wird die Anwendung von MapReduce demonstriert.
Hive
Mit Hive steht eine Schnittstelle zur Verfügung, die den Zugang zu strukturierten Daten in Hadoop mit einer SQL-ähnlichen Syntax erlaubt. In diesem Abschnitt lernen Sie die Möglichkeiten und Grenzen von Hive kennen. Es wird die Anwendung von Hive demonstriert.
Hardware für Hadoop
Hadoop stellt keine "besonderen" Hardware-Anforderungen. Das stimmt und stimmt wiederum auch nicht. In diesem Abschnitt wird der scheinbare Widerspruch aufgeklärt.
Anwendungsbeispiele für Hadoop
In diesem abschließenden Abschnitt lernen Sie mögliche Anwendungsfälle für "Big Data" kennen.
Ziele
In diesem Kurs wird Ihnen gezeigt, warum das Thema in aller Munde ist. Jenseits des damit verbundenen Marketing-Spektakels werden die einzelnen Komponenten und deren Zusammenwirken vorgestellt sowie mögliche Einsatzszenarien skizziert.
Zielgruppe
- Entscheider
- (Fach-)Anwender
- Projektmanager
Voraussetzungen
IT-Grundkenntnisse
Agenda
Überblick
Sie erfahren etwas über die riesigen Datenmengen, die durch die Welt bewegt werden und darüber, dass nicht das Speichern, sondern das Suchen nach und Analysieren von Informationen das Problem ist.
Hadoop-Bestandteile
"Big Data" wird zumeist mit Hadoop gleich gesetzt. Das ist zwar nicht ganz exakt, wird aber in diesem Kurs ebenso gehandhabt. Dabei erhalten Sie einen allerersten Überblick über Hadoop. Es wird die Nutzung einer Hadoop-Sandbox demonstriert.
Was ist anders
Personen, die im Umgang mit Datenbanken und strukturierten Daten vertraut sind, tun sich schwer mit dem Ansatz für "Big Data", denn Hadoop "tickt" gänzlich anders als die vertraute relationale Welt. Sie erfahren, was Hadoop von dem klassischen Ansatz unterscheidet.
HDFS (Hadoop Distributed File System)
Das Kernstück von Hadoop ist ein leistungsstarkes, robustes und extrem skalierbares Dateisystem. In diesem Abschnitt erfahren Sie das Wichtigste über HDFS. Es wird die Kommunikation von und mit HDFS demonstriert.
MapReduce
Die Java-basierte Klassenbibliothek für MapReduce ist der Maschinenraum von Hadoop. In diesem Abschnitt lernen Sie das von Google eingeführte Programmiermodell für nebenläufige Berechnungen näher kennen. Es wird die Anwendung von MapReduce demonstriert.
Hive
Mit Hive steht eine Schnittstelle zur Verfügung, die den Zugang zu strukturierten Daten in Hadoop mit einer SQL-ähnlichen Syntax erlaubt. In diesem Abschnitt lernen Sie die Möglichkeiten und Grenzen von Hive kennen. Es wird die Anwendung von Hive demonstriert.
Hardware für Hadoop
Hadoop stellt keine "besonderen" Hardware-Anforderungen. Das stimmt und stimmt wiederum auch nicht. In diesem Abschnitt wird der scheinbare Widerspruch aufgeklärt.
Anwendungsbeispiele für Hadoop
In diesem abschließenden Abschnitt lernen Sie mögliche Anwendungsfälle für "Big Data" kennen.