El documento habla sobre los grandes volúmenes de datos y su procesamiento. Menciona que aunque no son caros de almacenar, se necesitan supercomputadoras para procesarlos de forma efectiva. También discute cómo la paralelización puede ahorrar tiempo en consultas y algoritmos. Finalmente, explica tres niveles de procesamiento en la nube, desde almacenamiento estático hasta gestión controlada por el usuario.

1. Victoria López
@victoriademates
www.tecnologiaUCM.es
Universidad Complutense de Madrid
2b

2. 2
2b

3. 3
2b

4. • Las grandes bases de datos no son caras
de almacenar (elephant vendors)
• Pero se necesita un supercomputador para
su procesamiento
4

5. • La paralelización ahorra mucho tiempo
• No sólo es útil en consultas sino también en
la ejecución de algoritmos o analíticas
• Ley de Amdalh (N=Nº procesadores)
5

6. 6
Las aplicaciones internas de Google utilizan más de 100
nodos y externamente pueden ser utilizadas como cloud

7. 7

8. 8

9. 9

10. • Nivel 1: Almacenar datos estáticos y computación
simple (Amazon S3, computación sobre datos
almacenados EC2)
• Nivel 2: Ejecutar procesos de gestión automática
sobre los datos (Copias de seguridad, instalación de un
SQL Server para ejecutar consultas, Google Big Query)
• Nivel 3 Gestión controlada por el usuario (Salesforce,
Splunk, Tableau, AWS)
10

11. 11

12. 12
Big Data Collection

13. 13
Procesamiento
en tiempo real
Procesamiento
streamming
in-memory
Implementación
Open source del
modelo
MapReduce de
Google
Generalización
de MapReduce
Desarrollos de
Google