Description

---

Il libro inizia esaminando gli strumenti di calcolo massivo negli ecosistemi dei Big Data, con un focus su Hadoop, Mapreduce, Hadoop Distribute File System e Hadoop Common Components (Pig, Hive, Flume, Oozie, Hbase, Sqoop, Mahout e altri). Viene poi trattata l'automazione dei lavori e vengono presentati esempi sviluppati con SQL Server. Viene inoltre presentato l'ecosistema Apache Ambari Hadoop. Inoltre, vengono presentati gli strumenti di Big Data Analytics di SAS (SAS Access Interface to Hadoop, SAS Data Management, SAS Visual Analytics, SAS Visual Statistics, SAS In Memory Statistics for Hadoop, SAS High Performance Data Mining, SAS High Performance Text Mining, SAS VIYA, ecc.)
Vengono inoltre presentati strumenti di Big Data Analytics di Oracle (Big Data Appliance, Big Data Connectors, NoSQL Database, Exadata, Business Analytics, ecc.), Microsoft (HDInsight, Azure, ecc.) e IBM (IBM Solution for Hadoop Power Systems Edition, BM AIX Solution Editions for Cognos and SPSS, IBM SPSS Modeler, ecc. La qualit e l'integrit dei dati nei processi Big Data e lo spostamento dei dati tra i cluster vengono poi affrontati. A titolo di esempio, viene sviluppata la copia e lo spostamento di database tra server in SQL Server. In seguito, vengono discussi gli strumenti di monitoraggio dei cluster HYPER-V, Hadoop e Ganglia, nonch gli strumenti per l'interfaccia web e altri ancora. Infine, il corso approfondisce le tecniche di Big Data e Business Intelligence. Vengono analizzati i principali strumenti di Business Intelligence (Business Objects, MicroStrategy, Tableau, Power BI, Qlik, Domo, Pentaho, ecc.) con particolare attenzione ai cruscotti. Vengono descritti gli strumenti SAS Visual Analytics e gli strumenti SAP per i cruscotti. Infine, viene descritta con esempi l'implementazione di KDD (Knowledge Discovery in Data Bases) con gli strumenti SAS (SAS Enterprise Miner) e IBM (IBM SPSS Modeler).