Développer des applications pour Spark avec Hadoop Cloudera avec Certification

Objectifs & compétences

Identifier et utiliser les outils appropriés à chaque situation dans un écosystème hadoop
Utiliser Apache Spark et l'intégrer dans l'écosystème hadoop
Utiliser Sqoop, Kafka, Flume, Hive et Impala

Public visé

Développeur
Analyste

Pré-requis

Être à l'aise pour programmer dans l'un de ces langages : Scala et/ou Python
Connaissance de base des lignes de commande Linux requise
La connaissance de base du SQL est un plus
Aucune expérience préalable avec hadoop n'est nécessaire

Programme

1.Introduction à Hadoop et à son écosystème
1.1.Introduction générale à hadoop
1.2.Traitement de données
1.3.Introduction aux exercices pratiques

2.HDFS : le système de fichiers Hadoop
2.1.Les composants d'un cluster hadoop
2.2.L'architecture d'HDFS
2.3.Utiliser HDFS

3.Le traitement distribué sur un cluster Hadoop
3.1.L'architecture de YARN
3.2.Travailler avec YARN

4.Les bases de Spark
4.1.Introduction à Spark
4.2.Démarrer et utiliser la console Spark
4.3.Introduction aux Datasets et DataFrames Spark
4.4.Les opérations sur les DataFrames

5.Manipulation des dataframes et des schemas
5.1.Créer des DataFrames depuis diverses sources de données
5.2.Sauvegarder des DataFrames
5.3.Les schémas des DataFrames
5.4.Exécution gloutonne et paresseuse de Spark

6.Analyser des données avec des requêtes sur dataframes
6.1.Requêter des DataFrames avec des expressions sur les colonnes nommées
6.2.Les requêtes de groupement et d'aggrégation
6.3.Les jointures

7.Les RDD - Structure fondamentale de Spark
7.1.Introduction aux RDD
7.2.Les sources de données de RDD
7.3.Créer et sauvegarder des RDD
7.4.Les opérations sur les RDD

8.Transformer les données avec des RDD
8.1.Écrire et passer des fonctions de transformation
8.2.Fonctionnement des transformations de Spark
8.3.Conversion entre RDD et DataFrames

9.Agrégation de données avec les RDD de paires
9.1.Les RDD clé-valeur
9.2.Map-Reduce : principe et usage dans Spark
9.3.Autres opérations sur les RDD de paires

10.Requêtage de tables et de vues avec Spark SQL
10.1.Requêter des tables en Spark en utilisant SQL
10.2.Requêter des fichiers et des vues
10.3.L'API catalogue de Spark

11.Travailler avec des Datasets Spark en Scala
11.1.Les différences entre Datasets et DataFrames
11.2.Créer des Datasets
11.3.Charger et sauvegarder des Datasets
11.4.Les opérations sur les Datasets

12.Écrire, configurer et lancer des applications Spark
12.1.Écrire une application Spark
12.2.Compiler et lancer une application
12.3.Le mode de déploiement d'une application
12.4.L'interface utilisateur web des applications Spark
12.5.Configurer les propriétés d'une application

13.Le traitement distribué avec Spark
13.1.Rappels sur le fonctionnement de Spark avec YARN
13.2.Le partitionnement des données dans les RDD
13.3.Exemple : le partitionnement dans les requêtes
13.4.Jobs, étapes et tâches
13.5.Exemple : le plan d'exécution de Catalyst
13.6.Exemple : le plan d'exécution de RDD

14.Persistance de la donnée distribuée
14.1.La persistance des DataFrames et des Datasets
14.2.Les niveaux de persistances
14.3.Voir les RDD persistés

15.Les algorithmes itératifs avec Spark
15.1.D'autres cas d'usages courants de Spark
15.2.Les algorithmes itératifs en Spark
15.3.Machine Learning avec Spark
15.4.Exemple : K-means

16.Introduction à Spark structured streaming
16.1.Introduction à Spark Streaming
16.2.Créer des streaming DataFrames
16.3.Transformer des DataFrames
16.4.Exécuter des requêtes de streaming

17.Structured streaming avec Kafka
17.1.Introduction
17.2.Recevoir des messages Kafka
17.3.Envoyer des messages Kafka

18.Aggrégation et jointures sur des streaming dataframes
18.1.Aggregation sur des streaming DataFrames
18.2.Jointure sur des streaming DataFrames

Suppléments

19.Le traitement de messages avec Kafka
19.1.Introduction à Kafka
19.2.Passer à l'échelle avec Kafka
19.3.L'architecture d'un cluster Kafka
19.4.La ligne de commande Kafka

Modalités

Méthodes