EL BIG DATA

EL BIG DATA

1. ¿Qué es?

   • Según ZDNet.com
     • Información que no puede ser procesada
     • Información que no puede ser analizada por medio de procesos tradicionales
   • Para Thinkupapp.com
     • Cantidades masivas de datos que se acumulan con el tiempo
       • Difíciles de analizar y manejar
         • Mediante herramientas comunes
   • Según E. Dans
     • Tratamiento y análisis de enormes repositorios
       • Resulta imposible tratarlos con bases de datos convencionales

2. Dimensiones

   • Volumen
     • Es el aumento significativo de datos creados por personas o máquinas
       • Terabytes, Petabytes, Exabytes
   • Velocidad
     • Velocidad con la que se crean los datos
       • El aumento de productos desarrollados por sofware
         • Páginas web, foros, redes sociales
   • Variedad
     • Va de la mano con el volumen
     • DIferentes formas de respresentar los datos
       • Datos estructurados
         • Hojas de cálculo
         • Formularios web
         • Encuestas a usuarios de un servicio
       • Datos no estructurados
         • Páginas Web
         • Foros
         • Archivos de búsqueda
         • Redes sociales

3. Tecnologías de Big Data

   • Apache Hadoop
     • Sofware de código abierto
     • Creado por Doug Cutting
       • Utilizado para su trabajo en Nutch
         • Web de motor de búsqueda
     • Puede almacenar
       • Datos estructurados
       • Datos semiestructurados
       • Datos no estructurados
     • Características
       • Diseñado para ejecutarse en clúster robustos
         • Grupos grandes de hardware
       • Es robusto
         • Puede soportar cualquier inconveniente de hardware con facilidad
       • Puede ser escalable
         • Permite agregar nodos al clúster con facilidad
       • Es simple
         • Permite escribir códigos con eficiencia
   • Bases de datos NoSQL
     • Creado por Carlo Strozzi
     • No tienen esquemas
     • No usan SQL
     • No almacenan datos en tablas de filas y columnas
     • Usa la memoria principal del computador
     • Permite gestionar grandes volúmenes de información
     • Características
       • Datos distribuidos en varias máquinas
       • Permite obtener datoas con mayor velocidad
     • Voldemort
       • Creada por linkkedIn
         • Para solucionar problemas de escalabilidad
       • almacena datos en forma clave-valor
       • Es de ambiente distribuido
     • HBase
       • De tipo código abierto
       • Almacena datos de tipo clave-valor
       • Almacena y repcupera daots de forma aleatoria
     • Riak
       • Almacena datos de tipo clave-valor
       • Es de ambiente distribuido
       • Tolerante a fallos
       • Elimina errores y sus efectos antes de que ocurra la falla
       • Utiliza JavaScript Object Notation (JSON)
     • CouchDB
       • Creado por Damien Katz en 2005
       • Servidor de bases de datos documental
     • MongoDB
       • Orientada a documentos
       • De código abierto
       • Versátil, potente y de fácil usabilidad

4. Modelos de datos

   • Estructurados
     • Aquellos de mayor facilidad de acceder
     • Tienen una estructura bien definida
     • Pueden ser
       • Estáticos
         • Aray
           • Son datos homogéneos y ordenados por un índice
           • Facilita la administración de datos
           • Ejemplo: Campo Fecha DD/MM/AA
         • Cadena de caracteres
         • Registros
       • Dinámicos
         • Listas
         • Pilas
         • Colas
         • Árboles
         • Archivos
   • Semiestructurados
     • No tienen formato definido
     • Tienen etiquetas que separan un dato de otro
     • Se leen por medio de reglas de cierto nivel de complejidad
   • No estructurados
     • No pueden ser normalizados
     • No tienen tipos definidos
     • No están organizados bajo ninún patrón
     • No tienen un formato normalizado determinado

Imágenes y archivos del mapa