Big Data, Kesako ?Christophe Aran, Consultant décisionnel                              Référence : ASO-XXX                ...
Sommaire                      Contexte actuel                      Définition du Big Data                      L’écosystèm...
Un déluge de données                      YouTube reçoit 24h de vidéo toutes les minutes                      500 téraocte...
Et une collecte de données incessantes                      Données commerciales                       • Transactions     ...
Les limites des SGBD actuels                      Coût du stockage                      Scalabilité                      P...
Le besoin                      Système qui peut gérer de gros volumes de                      données                     ...
Définition du Big Data                      « Le Big Data fait référence à lexplosion du volume                      des d...
Le concept des 3 V                      Volume                      Les entreprises sont submergées de                    ...
Hadoop, kesako ?                      Inspiré de publications Google (2004)                        Google Filesystem      ...
L’écosystème Hadoopwww.groupeastek.com                                            Modèle : ASO-2007-M_PPT-0012 v2.1
HDFS                      Système de fichiers distribué                      Traitement de volumes de                     ...
Map Reduce                      Calcul distribué                      Input | Map() | Sort | Reduce() | Output            ...
Cas pratique (1/2) : stockage dans le HDFS                      Notre fichier sera réparti en                      un ense...
Cas pratique (2/2) : comptage des motswww.groupeastek.com                      Parallélisation des traitements            ...
Pig vs Hive                      Objectif commun : s’abstraire de la complexité de Map/Reduce                      PIG    ...
Hbase et le NoSQL                      Montée en puissance du mouvement NoSQL                        Pour contourner les c...
Exemple : modélisation d’un fichier Achat                      Format : (Table, RowKey, Family, Column, Timestamp) -> Valu...
Et pour l’intégration au SI existant                      Sqoop                       • Import / Export de données        ...
La solution Big Data de Talend                      Lancement de Talend Open Studio for Big Data                      Simp...
Les intérêts business du Big Data                      Enfin un supercalculateur à la disposition de tous                 ...
Un cas concret : Karma chez Air France                      Karma : Revenue Management AF/KLM                      Composa...
Conclusion                      Un bol d’oxygène pour le traitement des données                      volumineuses et pour ...
Pour plus d’informations                      http://hadoop.apache.org/                      http://pig.apache.org/       ...
Merci. Des questions ?www.groupeastek.com                                               Modèle : ASO-2007-M_PPT-0012 v2.1
Annexe 1 : un autre exemple Map Reduce                      Jeu de données :                      Algorithme MapReduce afi...
Annexe 2 : une architecture BI transforméewww.groupeastek.com                                                          Mod...
Upcoming SlideShare
Loading in...5
×

Big Data, Kesako ?

1,504

Published on

Présentation du Big Data par Christophe Aran, spécialiste de la Business Intelligence et du Big Data

0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,504
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
129
Comments
0
Likes
2
Embeds 0
No embeds

No notes for slide

Big Data, Kesako ?

  1. 1. Big Data, Kesako ?Christophe Aran, Consultant décisionnel Référence : ASO-XXX Version : 1.0 Du : 06/11/2012 www.groupeastek.com Modèle : ASO-2007-M_PPT-0012 v2.1
  2. 2. Sommaire Contexte actuel Définition du Big Data L’écosystème Hadoop Les intérêts business du Big Data Un cas concret : Karma chez Air France Conclusionwww.groupeastek.com Modèle : ASO-2007-M_PPT-0012 v2.1
  3. 3. Un déluge de données YouTube reçoit 24h de vidéo toutes les minutes 500 téraoctets de données transitent chaque jour sur Facebook 140 millions de tweets par jour 6 milliards de téléphones mobiles en activité en 2012 Des pics de 22 commandes à la seconde chez Spartoo pendant les soldeswww.groupeastek.com 90% des données créées dans le monde l’ont été au cours des 2 dernières années Modèle : ASO-2007-M_PPT-0012 v2.1
  4. 4. Et une collecte de données incessantes Données commerciales • Transactions Informations Client • CRM • Dossiers médicaux Informations Produits • Codes barres • RFID Web • Pageswww.groupeastek.com • Journaux d’accès Informations non structurées • Réseaux sociaux • GPS • Mobile Modèle : ASO-2007-M_PPT-0012 v2.1
  5. 5. Les limites des SGBD actuels Coût du stockage Scalabilité Performance Format des données Schémas figéswww.groupeastek.com Modèle : ASO-2007-M_PPT-0012 v2.1
  6. 6. Le besoin Système qui peut gérer de gros volumes de données Scalable Robuste Haute disponibilité Economiquewww.groupeastek.com Nouvelle approche Modèle : ASO-2007-M_PPT-0012 v2.1
  7. 7. Définition du Big Data « Le Big Data fait référence à lexplosion du volume des données dans lentreprise et des nouveaux moyens technologiques proposés par les éditeurs pour y répondre » Gartnerwww.groupeastek.com Modèle : ASO-2007-M_PPT-0012 v2.1
  8. 8. Le concept des 3 V Volume Les entreprises sont submergées de Vitesse Parfois, 2 minutes cest trop. Pour la volumes de données croissants de détection de fraudes par exemple, le tous types, qui se comptent en Big Data doit être utilisé au fil de leau, téraoctets, voire en pétaoctets. à mesure que les données sont collectées par l’entreprise afin den tirer le maximum de valeur. Valeurwww.groupeastek.com Variété Le Big Data se présente sous la forme de données structurées ou non structurées (texte, données de capteurs, son, vidéo, fichiers journaux, etc.). Modèle : ASO-2007-M_PPT-0012 v2.1
  9. 9. Hadoop, kesako ? Inspiré de publications Google (2004) Google Filesystem Google Map Reduce Créé par Doug Cutting, salarié chez Yahoo Framework Open Source écrit en Java Géré sous légide de la fondation Apache Communauté très active, développement rapide Un périmètre qui s’élargit constammentwww.groupeastek.com Orienté « batch » Modèle : ASO-2007-M_PPT-0012 v2.1
  10. 10. L’écosystème Hadoopwww.groupeastek.com Modèle : ASO-2007-M_PPT-0012 v2.1
  11. 11. HDFS Système de fichiers distribué Traitement de volumes de données considérables Découpage des fichiers par blocs Fonctionne sur des serveurs “low cost” (au minimum 3) Fault Tolerant Scalable NameNode : gestion des métadonnéeswww.groupeastek.com DataNode : stockage des données Modèle : ASO-2007-M_PPT-0012 v2.1
  12. 12. Map Reduce Calcul distribué Input | Map() | Sort | Reduce() | Output JobTracker : gestion des jobs TaskTracker : exécution des tâches Map() et Reduce() sur chaque noeudwww.groupeastek.com Modèle : ASO-2007-M_PPT-0012 v2.1
  13. 13. Cas pratique (1/2) : stockage dans le HDFS Notre fichier sera réparti en un ensemble de blocs répliqués dans les nœuds du HDFS. La réplication des blocs est configurable, dans notre exemple elle est de 3.www.groupeastek.com Modèle : ASO-2007-M_PPT-0012 v2.1
  14. 14. Cas pratique (2/2) : comptage des motswww.groupeastek.com Parallélisation des traitements sur l’ensemble des nœuds du HDFS grâce à Map Reduce Modèle : ASO-2007-M_PPT-0012 v2.1
  15. 15. Pig vs Hive Objectif commun : s’abstraire de la complexité de Map/Reduce PIG HIVE • Langage de script • Pseudo-SQL • Né chez Yahoo • Né chez Facebook • Flexible / simple • Rigide / Connu • ETL • Interrogation • Mise en œuvre UDF • JDBC / ODBCwww.groupeastek.com Modèle : ASO-2007-M_PPT-0012 v2.1
  16. 16. Hbase et le NoSQL Montée en puissance du mouvement NoSQL Pour contourner les contraintes du modèle relationnel Pas de jointures, très flexible Forte scalabilité horizontale Une éclosion de différents paradigmes HBase Implémentation open source de Google BigTable Basé sur HDFS (non obligatoire) Base de données orientée colonneswww.groupeastek.com En concurrence avec Cassandra Modèle : ASO-2007-M_PPT-0012 v2.1
  17. 17. Exemple : modélisation d’un fichier Achat Format : (Table, RowKey, Family, Column, Timestamp) -> Value Création d’une table : create ‘achat’, {NAME => ‘acheteur’}, {NAME => ‘produit’, {NAME => ‘achat’} Insertion d’une ligne : put ‘achat’, ‘1’, ‘acheteur:nom’, ‘MARIE’ put ‘achat’, ‘1’, ‘acheteur:type’, ‘particulier’ Suppression d’une ligne : delete achat, 1, achat:date‘ deleteall achat, 1 Lecture d’un enregistrement :www.groupeastek.com get achat, 1 get achat, 1, {COLUMN => produit:marque} Modèle : ASO-2007-M_PPT-0012 v2.1
  18. 18. Et pour l’intégration au SI existant Sqoop • Import / Export de données • Import automatique • Prise en charge de nombreuses bases relationnelles Flume • Collecte de logs • Data streamingwww.groupeastek.com Modèle : ASO-2007-M_PPT-0012 v2.1
  19. 19. La solution Big Data de Talend Lancement de Talend Open Studio for Big Data Simplification des développements Big Data • Environnement de développement graphique • Connecteurs Big Data prêts à l’emploi Depuis Octobre 2012, support des bases de données NoSQL et connecteurs disponibles pour : • HBasewww.groupeastek.com • Cassandra • MongoDB Modèle : ASO-2007-M_PPT-0012 v2.1
  20. 20. Les intérêts business du Big Data Enfin un supercalculateur à la disposition de tous De nouveaux horizons jusque-là inexplorés • CRM : segmentation en exploitant les goûts et sentiments des clients/prospects récoltés sur les réseaux sociaux • Finance : contrôle en temps réel des transactions frauduleuses ou à risques • RH : exploitation des données LinkedIn (par exemple) pour anticiper la volonté de départ d’un collaborateur clé • Logistique : optimisation des flux de transport en temps réelwww.groupeastek.com en fonction du trafic routier • … Modèle : ASO-2007-M_PPT-0012 v2.1
  21. 21. Un cas concret : Karma chez Air France Karma : Revenue Management AF/KLM Composants Hadoop utilisées • HDFS / Map Reduce / Sqoop / Pig • Développement en interne : scheduler + interface web Mise en Production courant 2013 Quelques chiffres : • Un cluster de 90 serveurs pour déployer Hadoop • 80 développeurs à Valbonne pour l’écriture des jobs MR • 130 jobs déjà développés, 400 d’ici 2 answww.groupeastek.com • 7h de traitement batch quotidien pour lancer les jobs MR et mettre à jour les bases Oracle • 300 analystes à Roissy pour analyser les données Modèle : ASO-2007-M_PPT-0012 v2.1
  22. 22. Conclusion Un bol d’oxygène pour le traitement des données volumineuses et pour la BI en particulier Limites • Un écosystème évoluant très rapidement, nécessite encore du temps pour stabiliser les différents modules • Si les volumes sont faibles (inférieur à 10To), un SGBD classique suffira la plupart du temps A suivre • Google Dremel / Cloudera Impala / Apache Drillwww.groupeastek.com • Positionnement des éditeurs « traditionnels » • Google, futur acteur majeur de la BI ? • Un nouveau métier : Data Scientist Modèle : ASO-2007-M_PPT-0012 v2.1
  23. 23. Pour plus d’informations http://hadoop.apache.org/ http://pig.apache.org/ http://hive.apache.org/ https://developers.google.com/bigquery/ http://code.google.com/edu/parallel/mapreduce- tutorial.htmlwww.groupeastek.com http://www.kimballgroup.com/html/articles.html : The Evolving Role of the Enterprise Data Warehouse in the Era of Big Data Analytics (Ralph Kimball) Modèle : ASO-2007-M_PPT-0012 v2.1
  24. 24. Merci. Des questions ?www.groupeastek.com Modèle : ASO-2007-M_PPT-0012 v2.1
  25. 25. Annexe 1 : un autre exemple Map Reduce Jeu de données : Algorithme MapReduce afin de sortir le nombre d’occurrences des mots constituant le texte :www.groupeastek.com Modèle : ASO-2007-M_PPT-0012 v2.1
  26. 26. Annexe 2 : une architecture BI transforméewww.groupeastek.com Modèle : ASO-2007-M_PPT-0012 v2.1
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×