Introduction au Big Data
Quand le volume, la vitesse ou la variété dépassent la machine unique : architectures distribuées et traitement à l'échelle.
Introduction au Big Data dans le parcours DS
Ce module de niveau avancé fait partie de Data Sciences. Son programme comporte 6 chapitres, à suivre dans l’ordre proposé ci-dessous. Tu peux consulter ce programme sans compte ; la lecture des leçons, les exercices et les vidéos dépendent de tes accès.
Pour progresser, travaille une notion à la fois, reformule-la puis vérifie ta compréhension avec le quiz du chapitre accessible. Le temps indiqué pour une leçon est une estimation, pas une promesse de maîtrise.
Ce module avancé est réservé aux offres Intermédiaire et Premium. Comparer les offres
Programme des chapitres
Définitions et enjeux
Réservé aux abonnés
Volume, vélocité, variété, véracité, valeur. Quand le Big Data est justifié et quand il ne l'est pas.
Stockage distribué
Réservé aux abonnés
Systèmes de fichiers distribués, réplication, partitionnement, stockage objet, lacs de données, formats colonnes.
Traitement distribué
Réservé aux abonnés
MapReduce, Spark, transformations et actions, évaluation paresseuse, partitions, remaniement.
Bases NoSQL
Réservé aux abonnés
Familles clé-valeur, document, colonne, graphe. Théorème CAP, cohérence à terme, choix selon l'usage.
Flux et temps réel
Réservé aux abonnés
Traitement en flux, Kafka, fenêtres temporelles, différence lot et flux, garanties de livraison.
Architecture et coûts
Réservé aux abonnés
Architecture de données de bout en bout, catalogue, traçabilité, coût du stockage et du calcul, contraintes locales de connectivité.