Este documento habla sobre Big Data y herramientas para procesar grandes cantidades de datos. Explica que Spark es una tecnología 100 veces más rápida que Hadoop MapReduce para procesar datos en memoria y soporta tolerancia a fallos. También describe a Jupyter como una herramienta popular para científicos de datos que puede usar diferentes lenguajes de programación e integrarse con Spark.

1. Spark Big Data en Azure
HDInsight
MVP Nicolas Nakasone /
nicolas.nakasone@outlook.com/@nicolasnakasone

2. Big Data es sinónimo de
Grandes Cantidades de Datos
BIG DATA

3. BIG DATA
• ¿Cuánta data genera un vuelo comercial entre Londres
y Nueva York en dispositivos electrónicos?
• 640 TB

4. • ¿Cuántos USB Angry Bird necesitaremos para
almacenar BIG Data?

5. Social Network

6. 4 v del Big Data

7. Tecnologia para Manejar Big Data

8. ¿Qué es hadoop?
• Hadoop consiste de dos servicios principales:
• Almacenamiento de Datos usando el Hadoop Distributed File
System (HDFS)
• Procesamiento de Datos Paralelo de Alto Desempeño usando una
técnica llamada MapReduce.

9. Spark

10. Spark
• Trabaja en Memoria
• 100 x más rapido que Map Reduce
• Soporta Tolerancia a Fallos

11. Spark
• Spark SQL
• Spark Streaming
• Mlib (Machine Learning)
• GraphX

12. Jupiter
• Herramienta utilizada por los cientificos de datos
• Puede utilizar diferentes lenguajes de programacion
(Python, R, Julia, Scala)
• Integracion con Big Data - Spark

13. Demo – Spark en Acción
https://www.youtube.com/watch?v=fUmgd58Xe58