Mind map

FUNDAMENTOS DEL BIG DATA

Diego Blacio English

Map content

¿Qué es Big Data?
- Grades cantidades de información o de datos
  - Que no pueden ser analizados o procesados por métodos tradicionales
  - Que no se tratan con herramientas comunes de base de datos
Dimensiones del Big Data
- Volumen
  - Cantidad de datos almacenados
    - terabytes
      - Facebook 10 TB
      - Twitter 7 TB
    - petabytes
    - exabytes
- Velocidad
  - Rapidez con que se crean los datos
- Variedad
  - Diferentes formas de representar los datos
    - Datos estructurados
    - Datos no estructurados
      - Se generan desde
        Páginas web
        Redes sociales
        foros, correos electrónicos
Objetivo del Big data
- Examinar grandes cantidades de datos con variedad de clases
  - Para descubrir información que sea sea relevante y util
    - Permitiendo la toma de decisiones para mejorar
Análisis de datos mediante tecnologías de bases de datos
- Apache Hadoop
  - Software de código abierto
    - Para aplicaciones intensivas de datos distribuidos
    - Almacenamiento de los datos estructurados, semi-estructurados y no estructurados
  - caracteristicas
    - Se ejecuta en grupos grandes de Hardware
    - Robusto ante un mal funcionamiento de hardware
    - Es escalable, permite agregar nodos
    - Es simple
    - ´Permite escribir código con eficiencia
- NoSQL
  - Base de datos que no ofrece SQL
  - Características
    - No presentan el modelo de las bases de datos relacionales
    - No almacena datos en filas y columnas de manera uniforme
    - Presenta escalabilidad de forma horizontal
    - gestiona grandes volúmenes de información
    - Estructura distribuida
      - Datos distribuidos en varias máquinas
    - Obtención de datos a mayor velocidad
      - En relación con otras de modelo relacional
  - TIPOS DE BASE DE DATOS
    - Voldemort
      - Soluciona problemas de escalabilidad
        De base de datos relacionales
      - Datos almacenados en forma de clave-valor
      - De ambiente distribuido
      - Nodos independientes de los demás
        Con datos replicados
        Sin equilibrar datos
    - HBase
      - código abierto
      - Almacena los datos de forma clave valor
      - Almacena y recupera los datos de forma aleatoria
      - Trabaja con los tres tipos de datos
        no estructurados
        semiestructurados
        Cundo no sean muy grandes
        estructurados
    - Riak
      - Almacenamiento en forma de clave-valor
      - De ambiente distribuido
      - Tolerante a fallos
      - Utiliza JSON
    - CouchDB
      - Servidor de base de datos documental
      - Compuesta por documentos y no datos
        Trabajan como objetos
    - MongoDB
      - Orientada a documentos
        código abierto
      - Características
        Versátil
        Potente
        fácil de usar
        Manejo de datos
        Grandes
        Pequeños
        No usa conceptos
        tablas
        esquemas
        SQL
        filas o columnas
Modelo de datos
- Clasificación
  - Datos estructurados
    - Son aquellos de mayor facilidad para acceder
    - Tienen estructura bien especificada
    - Se dividen en
      - Estáticos
        Array
        Homogéneos, y ordenados por un índice
        cadena de caracteres
        registros
      - Dinámicos
        Listas, pilas,
        colas, árboles,
        archivos
  - Datos semiestructurados
    - Sin formato definido
    - Tienen etiquetas para separar un dato de otro
    - Lectura mediante reglas de cierto nivel de complejidad
  - Datos no estructurados
    - No pueden ser normalizados
    - Tipos no definidos
    - No organizados bajo algún patrón
    - No almacenados de manera relacional
    - Sin base jerárquica de datos
    - Sin formato normalizado determinado