Hadoop je postao standard za Big Data. Sve više kompanija uviđa potrebu za obradom velikih količina podataka koji dolaze kako iz internih, tako i iz eksternih izvora. Sa razvojem sveprisutnog računarstva javlja se mogućnost i potreba da se podaci prikupljeni sa pamatnih uređaja skladište i obrade. Sa razvojem Hadoop ekosistema javila se i realna mogućnost za sinergiju Hadoop-a i Internet inteligentnih uređaja kao što su Raspberry, Arduino, Senzori… Obradom ovih podataka, kojih je sve više, poboljšava se rad samih uređaja i korisničko iskustvo. U skorije vreme prisutan je i termin Industrial Internet koji baš uz pomoć Hadoop-a dobija veliku mogućnost. U Laboratoriji za elektronsko poslovanje se trenutno testira razvoj sistema koji uključuje Hadoop, Internet inteligentne uređaje, kao i obradu podataka radi poboljšanja efikasnosti postojeće infrastrukture.
1. Univerzitet u Beogradu
Fakultet organizacionih nauka
Laboratorija za elektronsko poslovanje
Hadoop i sveprisutno
računarstvo
Darko Marjanović
Đorđe Stepanić
Miloš Milovanović
2. ELAB
• Oblasti izučavanja u Laboratoriji za elektronsko
poslovanje:
– Elektronsko poslovanje
– Internet i mobilne tehnologije
– Big Data
– Cloud Computing
– E-obrazovanje
– Sveprisutno računarstvo
– Socijalne mreže
3. Big Data
• Big Data predstavlja podatake koji su one
količine koja prevazilazi mogućnosti
uobičajeno korišćenog softvera za
skladištenje, obradu i upravljanje podacima.
• Big data je sve ono što ne može da stane u
Excel.
4. Big Data dimenzije
• Volume – velika brzina rasta novih podataka i
čuvanje postojećih dovodi do toga da se sada
skladište stotine terabajta pa čak i mnogo više.
• Variety – raznolikost podataka, više nije
dovoljno čuvati samo struktuirane podatke već
i slike, podatke sa društvenih mreža, logove,
senzorske podatke…
• Velocity – brzina kojom pristižu novi podaci je
velika i veća je od brzine obrade podataka.
5. Hadoop
• Hadoop je open-source software framework
Apache fondacije.
• Služi za skladištenje i procesiranje velikih
količina podataka.
• Hadoop je nastao 2005. godine od strane
Doug Cutting i Mike Cafarella.
• Ime je dobio po slonu igrački Cutting-ovog
sina.
• Napisan je u Java programskom jeziku.
7. Hadoop Ekosistem
• Hadoop je moguće nadograditi brojnim alatima
kojima sa poboljšavaju mogućnosti i efikasnost
obrade podataka.
• Dele se na alate za prenošenje podataka, analizu
podataka, upravljanje klasterom…
• Neki od alata koji se grade na Hadoop su:
– Apache Hive
– Apache Pig
– Apache Flume
– Apache Hue
– Apache HCatalog
– ……
8. Hadoop – Elab klaster
• Master node, Slave1 node, Slave2 node
– 27 Cores (CPU)
– 60 GB RAM
– 1TB +++
• Test klaster na privatnom Cloud-u, realizovan
uz pomoć OpenStack softvera.
– 32 Cores (CPU)
– 64 GB RAM
– 2TB +++
9. Hadoop – Za šta se koristi
• Prikupljanje i analiza
– Moodle podaci
– Twitter podaci
– Senzorski podaci
• Integracija sa drugim servisima
– Sharepoint
• Edukativne svrhe
10. Projekat Slonče i Malina
• Skupljanje i analiza senzorskih podataka iz
pametnog okruženja.
• Poboljšanje algoritma za upravljačke akcije.
• Generisanje izveštaja radi donošenja boljih
odluka.
• Praćenje u realnom vremenu.
11. Zašto Hadoop
• Velika brzina pristizanja novih podataka,
upisivanje novih podataka na 2 do 3 sekunde.
• Raznolikost podataka, senzorski podaci.
• Velika količina podataka, mogućnost za
dugotrajno skladištenje.
14. Sveprisutno računarstvo
• Sveprisutno računarstvo (eng. Ubiquitous
computing) - predstavlja novu eru u
računarstvu gde se računarske tehnologije
prisutne svuda oko nas i uvek dostupne
• Podrazumevaju koncept: “jedan čovek - više
računara”
15. Internet inteligentnih uređaja
• Internet inteligentnih uređaja (eng. Internet of
Things) - predstavlja mreže inteligentnih
(“smart”) uređaja koji međusobno komuniciraju
putem Interneta
• Inteligentni uređaji imaju sposobnost da
“osećaju” (senzori) i komuniciraju (wired ili
wireless mreže), a samim tim donose odluke
(matematički algoritmi) i preduzimaju željene
akcije (aktuatori)
16. IoT u pametnim okruženjima
• Velika primena IoT u automatizaciji pametnih
okruženja (visoka efikasnost i finansijska
opravdanost)
18. Raspberry Pi mikroračunar i senzorske
mreže
• “Moćan” mikroračunar sa sopstvenim
operativnim sistemom, memorijom, priključkom
za Internet, HDMI izlazom...
• Poseduje mogućnosti instaliranja Web servera,
telefonske centrale, kontrole i upravljanja većim
broja senzora i aktuatora (povezanih u mrežu) itd.
• Izvor (provider) velike količine senzorskih
(mernih) podataka
21. Apache Flume
• Brz transfer podataka u Hadoop HDFS
• Sources – izvor podataka
• Channels – kanal prenosa podataka
• Sinks – odredište
22. Apache Flume
• Koristi se za najčešće za log podatke,
serijalizovane podatke, podatke sa društvenih
mreža…
• Namenjen je isključivo za transfer podataka, u
slučaju obrade podataka prilikom transfera
koristi se Apache Storm.
• Ne koristi se za struktuirane podatke, za
prenos relacione baze u HDFS se koristi Sqoop.
25. Hive nastanak
• Uvođenje Hadoop-a
• Potreba za MapReduce-om
• 30PB podataka na klasteru 2011-te
• Korisnici – marketing stručnjaci
• Nedostaci – napredno poznavanje Java
programskog jezika, teško čitljive šeme
podataka
26. Šta je Hive?
• Hive – data warehousing infrastruktura za
Hadoop
• HiveQL zasnovan na SQL-u
• Jednostavnije pisanje MapReduce programa
• Primena:
– Analiza log podataka
– Obrada teksta
– Indeksiranje dokumenata
– Statističke analize, Business Intelligence
27. Hive komponente
• Shell – interakcija sa korisnikom
• Driver – upravljanje Hive engine-om
• Compiler
• Execution engine – izvršavanje
• Meta Store – šema tabela + SerDe
28. Hive vs OLAP
• Skaliranje i za više od 10.000 mašina u klasteru
• Obrada >1TB podataka
• Nema izmene podataka
• Male promene na podacima imaju mali značaj
33. Univerzitet u Beogradu
Fakultet organizacionih nauka
Laboratorija za elektronsko poslovanje
Hadoop i sveprisutno
računarstvo
Darko Marjanović
Đorđe Stepanić
Miloš Milovanović