Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
BIG DATA
Bases de datos en el internet de las cosas
XabiTranche
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 32 7 / 0 2 / 1 5
La profesión que importará dentro d...
¿QuéeselBigData?
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 42 7 / 0 2 / 1 5
Limitaciones de las bases
de datos relacionales
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 52 7 / 0 2 / 1 5
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 6
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 7
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 8
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 9
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 1 0
Que problemas resuelve
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 1 1
FACEBOOK-Boing
Facebook genera 500 Te...
BIG DATA PARA QUÉ
NuevostiposdeApps
NightBits, Crime Reduce
ReducirCOSTE/Waste
Open Source /
Escalabilidad
FuentesDispares...
• Características BBDD
BigData
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 1 32 7 / 0 2 / 1 5
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 1 4
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 1 5
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 1 6
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 1 7
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 1 8
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 1 9
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 2 0
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 2 1
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 2 2
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 2 3
• Limitaciones de las bases
de datos no relacionales
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 2 42 7 / 0 ...
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 2 5
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 2 6
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 2 7
• Tipos de bases de datos
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 2 82 7 / 0 2 / 1 5
Clave - Valor
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 2 9
HashMapconclaveúnica
Fácil de escalar. Server ...
Basada en Documentos
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 3 0
ALMACENAUNDOCUMENTOLEGIBLE
Consultas av...
Basadas en Grafos.
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 3 1
Paramediryalmacenarrelaciones
NEO4J
Cyphe...
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 3 2
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 3 3
Basada en Columnas
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 3 4
ALMACENAUNDOCUMENTOpor
columna
Cassandra
...
• Como migrar de Rel a BD
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 3 52 7 / 0 2 / 1 5
Que problemas resuelve
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 3 6
Pais-ciudades
Objeto JSON PAIS con mu...
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 3 7
Consulta y previsualización
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 3 8
Mapeamos los resultados a la colección
P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 3 9
Donde albergar
*  MoNgoLab
*  MongoHQ
*  AmazonWS(Hadoop)
*  PARSE
Donde albergar
*  OPENSHIFT(RedHat)
*  HDInsight(Microsoft–Hadoop-HIVE)
*  Graphenedb(NEO4J)
Upcoming SlideShare
Loading in …5
×

Introducción al Big Data - Xabier Tranche - VIII Betabeers Bilbao 27/02/2015

704 views

Published on

¿Qué es el Big Data? ¿Qué diferencia hay entre una base de datos relacional y una documental? El almacenamiento masivo de datos es una tendencia en los proyectos tecnológicos. Gracias a bases de datos como MongoDB ahora es posible. Xabier Tranche cuenta con una amplia en proyectos digitales y en marketing, siendo el promotor de Start-ups como Muaacka. Pondrá a nuestra disposición toda su experiencia en esta ponencia

Published in: Technology
  • Be the first to comment

Introducción al Big Data - Xabier Tranche - VIII Betabeers Bilbao 27/02/2015

  1. 1. BIG DATA Bases de datos en el internet de las cosas
  2. 2. XabiTranche P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 32 7 / 0 2 / 1 5 La profesión que importará dentro de 4 años todavía no se ha inventado. GrowthHacker–Economia+Ingenieriadesoftware 15añostrabajandoINET–WEB2.0 SocioThinkOnMarketing–estrategiadigital&innovación SocioMuaaka–redsocialmusical PromotorStartUpSOCIALBIGDATA @JavitxuTranche XabiTranche XabiTranche
  3. 3. ¿QuéeselBigData? P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 42 7 / 0 2 / 1 5
  4. 4. Limitaciones de las bases de datos relacionales P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 52 7 / 0 2 / 1 5
  5. 5. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 6
  6. 6. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 7
  7. 7. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 8
  8. 8. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 9
  9. 9. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 1 0
  10. 10. Que problemas resuelve P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 1 1 FACEBOOK-Boing Facebook genera 500 Terabytes de datos al día. Un Boing 737 genera 240 Terabytes en un vuelo WorldOfWarCraft–StockChange Cambios en MicroSegundos SocialMedia La información no sigue una estructura a priori Volumen Velocidad Variedad 2 7 / 0 2 / 1 5
  11. 11. BIG DATA PARA QUÉ NuevostiposdeApps NightBits, Crime Reduce ReducirCOSTE/Waste Open Source / Escalabilidad FuentesDispares A short text that gives a brief biography of the person shown above. Adivinar A short text that gives a brief biography of the person shown above. 2 7 / 0 2 / 1 5 P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 1 2
  12. 12. • Características BBDD BigData P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 1 32 7 / 0 2 / 1 5
  13. 13. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 1 4
  14. 14. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 1 5
  15. 15. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 1 6
  16. 16. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 1 7
  17. 17. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 1 8
  18. 18. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 1 9
  19. 19. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 2 0
  20. 20. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 2 1
  21. 21. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 2 2
  22. 22. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 2 3
  23. 23. • Limitaciones de las bases de datos no relacionales P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 2 42 7 / 0 2 / 1 5
  24. 24. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 2 5
  25. 25. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 2 6
  26. 26. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 2 7
  27. 27. • Tipos de bases de datos P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 2 82 7 / 0 2 / 1 5
  28. 28. Clave - Valor P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 2 9 HashMapconclaveúnica Fácil de escalar. Server 1 del 1 al 1000, Server2 del 1001 al 2000 BigTable, Cassandra, Hadoop, MemCacheDB, Voldemort ElvaloresdetipoBLOB MUYEFICIENTES 2 7 / 0 2 / 1 5
  29. 29. Basada en Documentos P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 3 0 ALMACENAUNDOCUMENTOLEGIBLE Consultas avanzadas Podemos establecer relaciones MongoDB, CoachDB FORMATOSJSONoXML ELSERVIDORPUEDEMANIPULARLOS 2 7 / 0 2 / 1 5
  30. 30. Basadas en Grafos. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 3 1 Paramediryalmacenarrelaciones NEO4J Cypher Query Language ACID RESTFUL Representación explícitas de JOIN tradicionales Lasrelacionesensimismastienen Info REDESSOCIALES 2 7 / 0 2 / 1 5
  31. 31. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 3 2
  32. 32. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 3 3
  33. 33. Basada en Columnas P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 3 4 ALMACENAUNDOCUMENTOpor columna Cassandra RAPIDALECTURA MALAESCRITURA 2 7 / 0 2 / 1 5
  34. 34. • Como migrar de Rel a BD P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 3 52 7 / 0 2 / 1 5
  35. 35. Que problemas resuelve P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E 3 6 Pais-ciudades Objeto JSON PAIS con multiples atributos ciudad Pentaho MongoDB NecesitamosunsoftwaredeTerceros Pentaho MongoDB VIVAJS! 1:N a todos los documentos Usar una transformacio n Manejar objetos JSON 2 7 / 0 2 / 1 5
  36. 36. P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 3 7
  37. 37. Consulta y previsualización P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 3 8
  38. 38. Mapeamos los resultados a la colección P R E S E N T A T I O N T I T L E | C O M P A N Y N A M E2 7 / 0 2 / 1 5 3 9
  39. 39. Donde albergar *  MoNgoLab *  MongoHQ *  AmazonWS(Hadoop) *  PARSE
  40. 40. Donde albergar *  OPENSHIFT(RedHat) *  HDInsight(Microsoft–Hadoop-HIVE) *  Graphenedb(NEO4J)

×