1/ initiation avec le big Data 2/ Data warehouse VS Big Data 3/ Domaines d’utilisations 4/ Des connaissances importantes sur Hadoop 5/ Big Data et Aspect Mobile

1. Big Data
1

2. Plan
Problématique
Définition du Big Data
Big Data et 3V
Data wahrehouse VS Big Data
Domaines d’utilisations
Les techniques de traitement
Conclusion
Big Data et Aspect Mobile
2

3. Rappel
• 1 kilo-octet (ko) = 1 024 octets  210
• 1 mégaoctet (Mo) = 1 024 ko = 1 048 576 octets 220
• 1 gigaoctet (Go) = 1 024 Mo = 1,073 milliard d'octets  230
• 1 téraoctet (To) = 1 024 Go = 1 099,512 milliards d'octets  240
• 1 pétatoctet (Po) = 1 024 To = 1 259 000 milliards d'octets  250
• 1 exaoctet (Eo) = 1 024 Po = 1,15 milliard de milliards d'octets  260
• 1 zettaoctet (Zo) = 1 024 Eo = 1 180 milliards de milliards d'octets  270
• 1 yottaoctet (Yo) = 1 024 Zo = 1,208 million de milliards de milliards d'octets 280
3

4. Problématique
• 1.8 Zettaoctets ont été produits en 2011
(l’équivalent d’un milliard de disque durs de grande capacité récents, un chiffre qui continue à
augmenter de 50% chaque année)
• 2,5 trillions d’octets de données généré chaque jour
• 90% des données dans le monde ont été créées au cours des deux dernières
années seulement.
(Ces données proviennent de partout : de capteurs utilisés pour collecter les informations
climatiques, des messages sur les sites de médias sociaux, d'images numériques et de vidéos
publiées en ligne, d'enregistrements transactionnels d'achats en ligne et de signaux GPS de
téléphones mobiles…) 4

5. …de données stockées en 2011
(*)1,8 Zo
Bases de données
Capteurs
Puces Internet
Réseaux sociaux
Appareils
numériques
Moyens de paiement
Ordinateurs
RFID
Mobilité
…de données générées
sur internet en 2010
800 Md Go
Videos
…de croissance des données
Sur la seule année 2012
48%
…de croissance annuelles
des données non structurées
50 à 75%
5

6. Problématique
Ces données sont appelées Big Data ou volumes massifs
de données.
6

7. Définition
• Les big data (grosses données), parfois appelées données massives, sont des
ensembles de données tellement volumineux qu'ils en deviennent difficiles à
travailler avec des outils classiques de gestion de base de données ou de
gestion de l'information.
• Il s’agit donc d’un ensemble de technologies, d’architecture, d’outils et de
procédures permettant à une organisation de très rapidement capter, traiter et
analyser de larges quantités et contenus hétérogènes , structurées ,non-
structurées, et d’en extraire les informations pertinentes à un coût accessible.
7

8. Big Data et 3V
• La difficulté de traitement du « Big Data » s’explique par
Leur volume,
Leur variété,
Leur vélocité
8

9. Big Data et 3V
• Volume
 Quantité de données généré est très importante.
 La taille des données détermine la valeur et le potentiel des données en cours d'examen.
 Le nom «Big Data» contient un terme liée à la taille
• Variété
 Pas de données relationnelles traditionnelles
 Les données sont brutes, semi-structurées voire non structurées
 Des données complexes provenant du web, du format texte et des images .
Les analyses sont d’autant plus complexes qu’elles portent de plus en plus sur les liens entre des données de natures
différentes.
• Velocité
 La fréquence à laquelle les données sont générées, capturées et partagées.
 Permet de répondre aux exigences et aux défis qui nous attendent dans le chemin de la croissance et le
développement.
9

10. Data warehouse VS Big Data
• Les environnements d’analyses Big data ne visent pas à remplacer les
data warehouse traditionnels mais à les compléter
• Solution big data: technologie
• Data warehouse : architecture
10

11. Data warehouse VS Big Data
DATA WAREHOUSE (BI traditionnelle) BIG DATA
Sources de données essentiellement
internes, connues et structurées
Nombreuses sources externes
Modèles de données stables Importants volumes de données non-
structurées
La majorité des données sont des
données historiques
L’analyse est faite sur des données qui
restent dans leur état brut
11

12. Domaines d’utilisations: log files
• Les fichiers journaux de serveurs Web représentent un trésor de données que les entreprises peuvent mine pour
gagner une compréhension profonde des habitudes d'achat des clients, l'utilisation des médias sociaux, web,
publicité et d'autres mesures qui informent des décisions d'affaires.
• Chaque clic depuis une page Web peut créer de l'ordre de 100 octets de données dans un journal de site typique.
• Par conséquent, de grands sites Web de manutention des millions de visiteurs simultanés peuvent générer des
centaines de giga octets ou même des téraoctets par jour.
• De nombreuses organisations se tournent vers les logiciels libres utilitaires trouvés dans l'écosystème Hadoop pour
analyser ces Big Data.
• Le choix d'un outil particulier dépend des besoins de l'analyse, l'ensemble de l'analyste de données de
compétences, et le compromis entre le temps de développement et le temps d'exécution.
12

13. Hadoop
13

14. Hadoop: Qu’est ce que c’est ?
o Framework Java open source .
o pour le stockage et le traitement distribués de grosses
volumétries de données.
o Consister deux grandes parties :
HDFS (Hadoop Distributed File System)
MapReduce
14

15. HDFS(Hadoop Distributed Files System)
 Un système de fichiers large ,distribué et scalable
 Ou moins 10K nœuds ,100 milles de fichiers
 HDFS pour stocker de très gros volumes de données sur un grand nombre
de machines(nœuds).
 Principe :
1. HDFS crée des blocs entre 64MB et 256MB.
2. Chaque bloc est enregistré dans un nœud (Data Node)différent du cluster
3. Répliquée plusieurs fois.
15

16. NameNode DataNode
1. NameNode :
 s’exécute sur une machine séparée(cluster).
 Contient des métadonnées.
 Association entre les bloc et leurs emplacement sur data
Nœuds
 Moteur de réplication des blocs.
2. Data Node
 Un serveur de bloc
 Rapport des bloc
 Faciliter les échanges des donnes entre les
nœuds
Quand on a besoin un task précis il suffit de poser question à NameNode
NameNode connait le lieu , le type de contenue de tous DataNoeuds 16

17. MapReduce
17

18. Définition
MapReduce est un cadre logiciel qui permet aux
développeurs d'écrire des programmes qui traitent des
quantités massives de données non structurées en
parallèle sur un distribuée ...
18

19. Principe
Consiste à découper le traitement en 2 phases :
• la première phase (Map) est une étape d'ingestion et de transformation
des données sous la forme de paires clé/valeur
• la seconde phase (Reduce) est une étape de fusion des
enregistrements par clé pour former le résultat final
19

20. Des langages pour
faciliter les requêtes sur Hadoop
1. HIVE
2. PIG
20

21. Mahout
1. Définition
2. Principe
21

22. • Mahout est un API Java dédié aux algorithmes d’apprentissage, à
savoir:
 Recommandation
 Clustering
 Classification
• Mahout supporte l’écosystème Hadoop.
• Les algorithmes sont programmés sous le paradigme MapReduce
22
Définition

23. Principe
 Bibliothèque d’apprentissage automatique.
 Permet de :
 Déterminer des éléments qu’un utilisateur pourra
apprécier selon son comportement
 Grouper des documents
 Affecter automatiquement des catégories aux
documents.
23

24. Hadoop un écosystème riche et complexé
24

25. Big Data et Aspect
Mobile
25

26. Photo
Ect…
Recherche
Texte
appel
téléphonique
e-mailVidéo
Stocker
 Stockage des données issues des Smartphones 26

27. Smartphones : le véritable générateur de
données volumineuses
• Plus de six milliards de smartphones utilisés génèrent des données massives.
• Chaque utilisateur de smartphone génère environ 60 gigaoctets de données
chaque année
• On stocke plus de 335 exaoctets d'informations chaque année avec seuls
smartphones.
27

28. Nécessité du Stockage:
Toute information peut être utile !
• Les appareils mobiles sont utilisés plus fréquemment pour acheter des biens
et services, les informations générées seront exploités pour déterminer où
vous allez faire du shopping, quels sont vos intérêts et même quelle marque
de café que vous aiment, afin que les annonceurs et les autres peuvent
identifier vos besoins et vos désirs.
• Voilà ce qu’on appelle les réseaux de stockage intelligente - faisant usage de
grand stockage de données et à exploiter cette information.
28

29. Mobile et Big Data : les défis
• Tous les données doivent être stockées quelque part
• Se qui signifie:
 L'industrie du stockage est dans une course pour fournir des densités plus élevées et
supérieures de dispositifs de stockage de données à moindre coût
 La technologie de déduplication de données devient encore plus importante.
29

30. Conclusion
• le Big Data ne représente pas une opportunité de description par un nouveau
modèle, mais un moyen de plus en plus incontournable d’optimiser leur
efficience et donc leur compétitivité.
30

31. Merci pour votre attention
31