Cassandra

Objectifs

Se connecter aux moteurs opérationnels

Utiliser l'outil intégré ETL Apache Sqoop

Utiliser l'outil de traitement de données distribué Apache Spark

Exploiter les fonctionnalités outils et algorithmes de recherche tels que les moteurs de recherche Google Search et l'algorithme PageRank

Utiliser différents types de traitements tels que MapReduce, graphe orienté acyclique, flux, machine learning et graphes distribués

Programme de la formation

Se connecter aux moteurs opérationnels

- Comprendre les moteurs opérationnels, leur fonctionnement et leur relation

- Configurer la connexion

- Identifier les avantages et les inconvénients de la connexion

- Évaluer l'impact de la connexion

- Tester la connexion pour s'assurer de son fonctionnement et de sa sécurité

- Diagnostiquer et résoudre les problèmes de connexion

Utiliser l'outil intégré ETL Apache Sqoop

- Comprendre le rôle d'Apache Sqoop dans la gestion des données et son intégration

- Configurer Sqoop pour extraire, transformer et charger les données de Cassandra

- Optimiser les performances d'Apache Sqoop pour une utilisation efficace

- Surveiller les opérations ETL pour détecter les erreurs et les problèmes de performance

- Synchroniser les données entre Cassandra et les autres sources de données en utilisant Apache Sqoop

- Personnaliser les scripts Sqoop pour répondre aux besoins spécifiques de l'entreprise

Utiliser l'outil de traitement de données distribué Apache Spark

- Comprendre le rôle d'Apache Spark dans le traitement de données distribué

- Configurer Apache Spark pour l'utiliser

- Analyser les résultats de traitement de données en utilisant Apache Spark

- Utiliser Apache Spark pour le traitement en temps réel et le traitement de flux de données

- Utiliser les bibliothèques de Machine Learning d'Apache Spark pour l'analyse de données

- Personnaliser les scripts Apache Spark pour répondre aux besoins spécifiques de l'entreprise

 Search et l'algorithme PageRank

- Comprendre le fonctionnement des moteurs de recherche

- Appliquer l'algorithme PageRank pour optimiser les résultats de recherche dans Cassandra

- Évaluer l'efficacité de l'algorithme PageRank pour l'optimisation des résultats de recherche

- Comparer l'algorithme PageRank à d'autres algorithmes de recherche pour choisir le plus adapté

Utiliser différents types de traitements tels que MapReduce, graphe orienté acyclique, flux, machine learning et graphes distribués

- Comprendre les différents types de traitements de données

- Appliquer MapReduce pour la gestion de données en utilisant Hadoop MapReduce

- Utiliser des graphes orientés acycliques (DAG)

- Exploiter les flux de données pour traiter

Traiter les données à l'aide de graphes distribués

- Explorer les différentes méthodes pour l'analyse de graphes

- Traiter des flux de données en temps réel avec Apache Kafka

- Examiner comment appliquer des techniques de machine learning aux données stockées dans Cassandra

- Etudier des algorithmes de graphes populaires tels que PageRank et Shortest Path

- Gérer de la mémoire pour les graphes distribués

- Voir comment les graphes distribués sont utilisés dans différents domaines

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique