Flujograma!

Conociendo el Big Data

El Big Data se refiere a las herramientas, procesos y procedimientos que permitan a una organización crear, manipular y administrar grandes conjuntos de datos e instalaciones de almacenamiento

Volumen

Variedad

Velocidad

Dimensiones

Dificultades

Personal y Habilidades del recurso humano

Arquitectura de un sistema de analisis

Problemas con el Big Data utilizable para los usuarios finales (Entre otros)

Tecnologías

Hadoop

NoSQL

Map Reduce

Apache Hadoop

“es una biblioteca de software que permite el procesamiento distribuido de grandes conjuntos de datos a través de grupos de ordenadores que utilizan modelos sencillos de programación. Está diseñado para pasar de los servidores individuales a miles de máquinas, cada oferta local de computación y almacenamiento"

Hadoop Distributed File System (HDFS)

HadoopMapReduce

Es un sistema de archivos altamente tolerante a fallos, escalable y con una arquitectura distribuida; puede llegar a almacenar 100 TB

Descomponer archivos y Tolerancia a Fallos

Es un sistema basado en hilados para el procesamiento paralelo de grandes conjuntos de datos

Data Nodes

NameNode

Las NoSQL no presentan el modelo de las bases de datos relacionales; estas no tienen esquemas, no usan SQL, tampoco permiten joins (unión), no almacenan datos en tablas de filas y columnas de manera uniforme

Ejemplos

DynamoDB- Amazon encontrar información

Cassandra-Facebook Datos ClaveValor Descentraliza

Voldemort-LinkdIn Distribuido

Google Bigtable-Google divide la información en columnas, almacenarla tablas multidimensionales

HBase- Trabaja con los 3 tipos de datos

Riak-Tolerante a Fallos

CouchDB-Servidor de base de datos se puede instalar desde un datacenter hasta un Smartphone

MongoDB- Enfoque Documentos

BaseX-Almacenar recuperar y gestionar datos

Modelo de Datos

Datos Estructurados

Datos Semi-Estructurados

Datos No Estructurados

Datos Estáticos y Dinámicos

Datos sin formato definido

Son aquellos que no pueden ser normalizados, no tienen tipos definidos ni están organizados bajo algún patrón; tampoco son almacenados de manera relacional, o con base jerárquica de datos, debido a que no son un tipo de dato predefinido; es decir, no tienen un formato normalizado determinado