Formation Spark, Développer des applications pour le BigData

  • Référence : PYCB037B
  • Durée : 21 heures
  • Certification : Non
  • Eligible CPF : Non

CONNAISSANCES PREALABLES

  • Avoir des connaissances de Java ou Python et des notions de calculs statistiques

PROFIL DES STAGIAIRES

  • Chefs de projet, Data Scientists, Développeurs, Architectes...

OBJECTIFS

  • Maîtriser les concepts fondamentaux de Spark
  • Savoir intégrer Spark dans un environnement Hadoop
  • Développer des applications d’analyse en temps réel avec Spark Streaming
  • Faire de la programmation parallèle avec Spark sur un cluster
  • Manipuler des données avec Spark SQL
  • Avoir une première approche du Machine Learning

METHODES PEDAGOGIQUES

  • 6 à 12 personnes maximum par cours, 1 poste de travail par stagiaire
  • Remise d’une documentation pédagogique papier ou numérique pendant le stage
  • La formation est constituée d’apports théoriques, d’exercices pratiques et de réflexions

METHODES D'EVALUATION DES ACQUIS

  • Auto-évaluation des acquis par le stagiaire via un questionnaire
  • Attestation de fin de stage adressée avec la facture

FORMATEUR

Consultant-Formateur expert Bigdata

CONTENU DU COURS Bigdata

1 - Maîtriser les concepts fondamentaux de Spark

  • Modes de fonctionnement : batch/Streaming
  • Bibliothèques : Machine Learning, IA
  • Mise en oeuvre sur une architecture distribuée. Architecture : clusterManager, driver, worker, …
  • Architecture : SparkContext, SparkSession, Cluster Manager, Executor sur chaque noeud. Définitions : Driver program, Cluster manager, deploy mode, Executor, Task, Job
  • Présentation Spark, origine du projet, apports, principe de fonctionnement. Langages supportés

2 - Savoir intégrer Spark dans un environnement Hadoop

  • Différents cluster managers : Spark interne, avec Mesos, avec Yarn, avec Amazon EC2
  • Exemple d’atelier : Mise en oeuvre avec Spark sur Hadoop HDFS et Yarn. Soumission de jobs, supervision depuis l’interface web
  • Intégration de données AWS S3
  • Création et exploitation d’un cluster Spark/YARN. Intégration de données sqoop, kafka, flume vers une architecture Hadoop et traitements par Spark
  • Intégration de Spark avec HDFS, HBase

3 - Développer des applications d’analyse en temps réel avec Spark Streaming

  • Objectifs , principe de fonctionnement: stream processing. Source de données : HDFS, Flume, Kafka, …
  • Notion de StreamingContext, DStreams, démonstrations
  • Exemple d’atelier : traitement de flux DStreams en Scala. Watermarking. Gestion des micro-batches
  • Intégration de Spark Streaming avec Kafka
  • Exemple d’atelier : mise en oeuvre d’une chaîne de gestion de données en flux tendu : IoT, Kafka, SparkStreaming, Spark. Analyse des données au fil de l’eau

4 - Faire de la programmation parallèle avec Spark sur un cluster

  • Utilisation du shell Spark avec Scala ou Python. Modes de fonctionnement. Interprété, compilé
  • Exemple d’atelier : Mise en pratique en Java, Scala et Python. Notion de contexte Spark. Extension aux sessions Spark
  • Utilisation des outils de construction. Gestion des versions de bibliothèques

5 - Manipuler des données avec Spark SQL

  • Spark et SQL
  • Traitement de données structurées. L’API Dataset et DataFrames
  • Jointures. Filtrage de données, enrichissement. Calculs distribués de base. Introduction aux traitements de données avec map/reduce
  • Lecture/écriture de données : Texte, JSon, Parquet, HDFS, fichiers séquentiels
  • Optimisation des requêtes. Mise en oeuvre des Dataframes et DataSet. Compatibilité Hive
  • Exemple d’ateliers : écriture d’un ETL entre HDFS et HBase. Extraction, modification de données dans une base distribuée. Collections de données distribuées. Exemples

6 - Support Cassandra

  • Description rapide de l’architecture Cassandra. Mise en oeuvre depuis Spark. Exécution de travaux Spark s’appuyant sur une grappe Cassandra

7 - Spark GraphX

  • Fourniture d’algorithmes, d’opérateurs simples pour des calculs statistiques sur les graphes
  • Exemple d’atelier : exemples d’opérations sur les graphes

8 - Avoir une première approche du Machine Learning

  • Machine Learning avec Spark, algorithmes standards supervisés et non-supervisés (RandomForest, LogisticRegression, KMeans, …)
  • Gestion de la persistance, statistiques
  • Mise en oeuvre avec les DataFrames
  • Exemple d’atelier : mise en oeuvre d’une régression logistique sur Spark
Cookies