2016-02-24 - architetture per i big data

Roma - 24 Febbraio 2016Alberto Paro, BNova Technical Advisor

Architetture per i Big Data

Alberto Paro  Laureato in Ingegneria Informatica (POLIMI)

Technical Advisor per BNova Autore di due libri su ElasticSearch + 6 Tech review Lavoro principalmente in Scala e su tecnologie BD (Akka, Spray.io, Playframework, Apache Spark) e NoSQL (Cassandra, ElasticSearch e MongoDB)

Evangelist linguaggio Scala e Scala.JS

Apache Hadoop

Distribuzioni Hadoop

Batch vs Streaming

Architettura Standard

Hadoop – Sfatiamo i miti Hadoop è formato da una pluralità di prodotti Hadoop è si un opensource, ma disponibile attraverso i 

vendors Hadoop è un ecosistema di prodotti, non un singolo 

prodotto HDFS è un File System, non è un Database Management 

System (DBMS) Hive e famiglia somigliano a SQL, non lo sono

Hadoop – Sfatiamo i miti Hadoop e MapReduce sono correlati ma non hanno 

bisogno l’uno dell’altro MapReduce fornisce un sistema di controllo per gli 

Analytics, non gli Analytics di per sé Hadoop è utile per trattare dati di varia natura, non solo il 

volume dei dati Hadoop completa il Data Warehouse, raramente lo 

sostituisce Hadoop abilita diversi tipi di Analytics, non solo i Web 

Analytics

Distribuzioni Hadoop – Perchè? Integrazione tra componenti Hadoop di diverse versioni Ottimizzazione delle configurazioni Sistemi di deploy semplificati Sistemi di monitoring Supporto tecnico Stabilità della soluzione => Riduzione del TCO

Distribuzioni Hadoop – Forrester Q1 2016

Cloudera

Hortonworks

Batch vs Streaming

Architettura Standard

Grazie per l’attenzione

Alberto Paro

Q&A