×

What is your training requirement ?

Name

Message

E-Mail

Phone

Submit!

  The form is not valid.

Big Data Technologie voor IoT, Data Lakes, Data Science en BI

---

Een leveranciersonafhankelijk technologie-overzicht van big data: hoe werken Hadoop, Spark, NoSQL, NewSQL, ... en wat kun je ermee ?

30 March 2017 (14-21u)
Location: Parker Hotel (Diegem)
Gepresenteerd in het Nederlands door Rick van der Lans
Prijs: 720 EUR (excl. 21% BTW)

Registreer NU » AGENDA » SPREKERS »

This event is history, please check out the List of Upcoming Seminars

Check out our related open workshops:

Check out our related in-house workshops:

Big Data: State-of-the-art

• Wat bedoelen we precies met big data ?
• Gaat het over big data of over big analytics ?
• High-level overzicht van de verschillende categorieën technologie voor data-opslag
• Typische toepassingsgebieden van big data

Wat heeft Big Data en Hadoop te bieden aan bedrijven in retail, utilities, banking, insurance, ..., en de overheid ?

Hadoop, Spark en NoSQL Verstaanbaar Uitgelegd

• De Hadoop stack: HDFS, MapReduce, Spark, Hive, HBase, YARN, ZooKeeper, Pig, HCatalog, enzovoorts
• Karakteristieken en gevolgen van HDFS en file-formaten
• Alternatieve implementaties onder andere van MapR, Amazon (Hadoop as a service) en ScaleOut (Hadoop in-memory)
• De rol van Cloudera, HortonWorks en MapR
• Classificatie van NoSQL producten: key-value stores, document stores, column-family stores, en graph data stores
• Het belang van schaalbaarheid en performantie
• Zijn NoSQL producten werkelijk databaseservers?
• Marktoverzicht, inclusief Apache HBase, Cassandra, CouchDB, Cloudera, DataStax, MongoDB, Neo4j en Riak

NewSQL en Analytische SQL Databaseservers voor Big Data Systemen

• Classificatie van analytical SQL databaseservers
• Kunnen zij concurreren met NoSQL producten ?
• Hoe belangrijk is in-database analytics ?
• Is het in-memory laden van databases altijd mogelijk en altijd een oplossing ?
• Marktoverzicht, inclusief Actian Matrix en Vector, EMC/Greenplum, Exasol, HP/Vertica, IBM PureData System for Analytics (powered by Netezza), InfoBright, Kognitio WX2, Microsoft PDW, Oracle Exalytics, SAP HANA en Sybase IQ, Teradata Appliances en Teradata Aster Database
• NewSQL databaservers voor high-performance transactionele systemen
• Simpelere transactie-mechanismen om scale-out te realiseren
• Het voorkomen van multi-table joins die niet geparallelliseerd kunnen worden
• Marktoverzicht inclusief Akiban, CitusDB, Clustrix, MariaDB, NuoDB, Pivotal GemFire en VoltDB

Use Case 1: Uitbreiden van Datawarehouses met Big Data Technologie

• Hadoop gebruiken in datawarehousing omgevingen
• Hadoop als staging area, datawarehouse, data mart en archief voor "koude data"
• Datawarehouses beschikbaar maken voor rapportage en analytics via SQL-on-Hadoop engines
• Overzicht van SQL-on-Hadoop engines: Apache Hive, Apache Drill, Apache Phoenix, Cloudera Impala, HP Vertica, JethroData, Pivotal HDB (Apache Hawq), Spark SQL en Splice Machine
• Datavirtualisatie voor het integreren van data uit Hadoop, NoSQL en SQL systemen, met producten van AtScale, Capsenta, Cisco/Composite, Data Virtuality, Denodo, Informatica, Red Hat en StoneBond

Use Case 2: Bouwen van Data Lakes met Big Data Technologie

• Wat is een data lake ?
• Welke technologieën bestaan er voor het bouwen van data lakes ?
• Is een fysiek data lake bouwen realistisch bij big data toepassingen ?
• Een virtueel data lake "bouwen" met datavirtualisatie servers
• Vergeet de technische en business metadata niet

Use Case 3: Data Science met Big Data Technologie

• Wat is data science en waarom is dit verschillend van analytics?
• Wat hebben MapReduce en Spark data scientists te bieden
• Kunnen we standaard BI tools zoals QlikView en Tableau gebruiken met Spark ?
• Kunnen we Hadoop gebruiken als sandbox voor advanced analytics ?
• Wat betekenen graph databases zoals AllegroGraph, InfiniteGraph en Neo4J voor data science ?

Use Case 4: Internet-of-Things (IoT) met Big Data Technologie

• IoT gaat over het snel streamen en analyseren van data
• Typische IoT databronnen: smartphones, smartwatches, RFID sensoren, machines, algemene sensoren, camera's, pacemakers, enz
• De uitdaging van real-time interactie met binnenkomende IoT data
• Het verschil tussen big data en fast big data
• Technologieëen voor het streamen van IoT data: Apache Kafka, Apache ActiveMQ, Amazon Kinesis, Kestrel, RabbitMQ, and ZeroMQ
• Verschillen tussen deze nieuwe technologie en traditionele message queuing producten
• Marktoverzicht van big data streaming tools: Apache Storm en Flink, IBM InfoSphere Streams, Informatica for Streaming Analytics, Software AG Apama, and Spark Streaming
• Hoe IoT data integreren met uw Enterprise Data Warehouse (EDW)

Use Case 5: High-end Transactionele Systemen met Big Data Technologie

• NoSQL producten gebruiken voor real-time verwerking van grote hoeveelheden transacties
• Manipuleren van ongestructureerde en gestructureerde data
• Flexibele datastructuren in NoSQL
• Waarom schema-on-read meer flexibel is dan schema-on-write
• Data-replicatie van NoSQL naar SQL
• Vergelijking tussen NoSQL en NewSQL

Samenvatting en afsluiting

• Wanneer Hadoop gebruiken ?
• Wanneer welke SQL/NoSQL database technologie ?
• Wat brengt de toekomst ?