big data introducción
DESCRIPTION
Introducción a Big Data, qué es, para qué sirve, cómo funciona, etc ...TRANSCRIPT
www.consultec.es
Introducción a Big Data
www.consultec.es
¿Quiénes somos?
Gorka ArmentiaDeveloper
[email protected]@joruus
MCSA: SQL Server 2012MCSD: Application Lifecycle Management
Constantin CuciureanDeveloper
MCSA: SQL Server 2012MCSD: Web Applications
Índice
1. Introducción1. ¿Qué no es Big Data?
2. Situación actual
3. ¿Y entonces qué es Big Data exactamente?
4. Las 3 Vs de Big Data
5. Retos actuales
2. Big Data llevado a la práctica1. Utilidades
2. Ejemplo real: Walmart
3. ¿Qué mueve Big Data?1. Características Técnicas
2. Software
3. Markets de Datos
4. Hadoop
5. Microsoft HDInsight
4. Demos
www.consultec.es
Introducción
“Big Data” es desde hace dos o tres años una de las grandes
tendencias dentro del mundo de la tecnología y del marketing, uno
de esos “buzzwords” que en un momento dado empiezan a
propagarse y aparecer por todo internet, las grandes empresas se
interesan por ello, se crea una industria alrededor y, de repente,
todo el mundo sabe lo que es Big Data. O no …
BIG DATA
www.consultec.es
¿Qué no es Big Data?
Antes de empezar, lo primero es desengañarnos.
• Big Data no es una base de datos enorme
• Big Data no es un data warehouse enorme
• Big Data no es una nueva forma de Business Intelligence
• Big Data no es llevar las base de datos a la nube
• …
www.consultec.es
Situación actual
Bases de Datos
Relacionales
Bases de Datos
Analíticas(Data
Warehouse)
Archivos (XML,
Logs, …)
ERP/CRM
Redes Sociales
Base de Datos NoSQL
APIs
Sensores
RFID
Información generada por apps móviles
Y mucho más.
Y lo que está por venir …
Big Data
GPS
Internet de las Cosas
Información generada por
máquinas
eMails
www.consultec.es
¿Y entonces qué es Big Data exactamente?
• Definiciones encontradas en internet
• Información que tiene un orden de magnitud más grande de lo que
estamos acostumbrados.
• Información que es muy grande, se mueve muy rápido y no se ajusta a
las estructuras de las base de datos actuales.
• Es un conjunto de datos cuyo tamaño está más allá de la capacidad de la
mayoría de los software utilizados para capturar, gestionar y procesar la
información dentro de un lapso tolerable de tiempo.
www.consultec.es
Las 3 Vs de Big Data
Volume: grandes volúmenes de información
• Se está pasando de hablar en Gigabytes o Terabytes a tamaños de datos de
Petabytes, Exabytes o Zettabytes. Volúmenes que se nos escapan.
www.consultec.es
Las 3 Vs de Big Data
Variety: información de tipos muy diversos
• Ya no solo tenemos información estructurada en Bases de Datos o Archivos.
Ahora empezamos a tener información con tipos diferentes y totalmente
desestructurada.
www.consultec.es
Las 3 Vs de Big Data
Velocity: velocidad con la que se genera la información
• La velocidad a la que se genera esta información hace imposible gestionarla
con sistemas de base de datos convencionales. Las empresas y las personas
ya no quieren estar al día, quieren “estar al segundo”.
www.consultec.es
Retos actuales
• Dar sentido al gran volumen de datos
• Necesitamos las herramientas adecuadas para dar sentido de la abrumadora
cantidad de datos generados por la disminución de los costos de hardware y de las
fuentes de datos “complejas”.
• La comprensión de una variedad cada vez mayor de datos
• Debemos poder analizar datos tanto relacionales como no relacionales. Más del 85%
de los datos capturados son desestructurados.
• Habilitación de análisis en tiempo real de los datos
• Los nuevos generadores de datos (Twitter, Facebook, Apps, …) están produciendo
volúmenes de datos sin precedentes y en tiempo real, lo que no se puede analizar
eficazmente mediante procesos por lotes normales.
www.consultec.es
Utilidades
Toma de decisiones
El valor del Big Data no es la información, sino la nueva forma de toma de
decisiones basada en evidencias y datos empíricos.
Tomar decisiones en base a datos empíricos y tendencias
Tomar decisiones en base a corazonadas, instinto o
experiencias pasadas
www.consultec.es
Utilidades
Experimentación
Una vez recopilados los datos que nos
interesan, la experimentación y la
exploración de los mismos puede
mostrarnos información que a primera vista
nunca hubiésemos encontrado o que nunca
se nos hubiese ocurrido buscar.
www.consultec.es
Utilidades
Transparencia
Compartir y hacer accesible grandes volúmenes de datos a las partes interesadas
y de manera oportuna puede crear un enorme valor y aumentar la eficiencia.
www.consultec.es
Utilidades
Innovación
Permite crear nuevos productos y servicios, mejorar los existentes e, incluso, crear
nuevos modelos de negocio.
www.consultec.es
Ejemplo real: Walmart
• Walmart es una multinacional de grandes almacenes
• Es la segunda mayor empresa del mundo por ingresos
www.consultec.es
Ejemplo real: Walmart
• Algunos datos:
• 200 millones de clientes a la semana
• 10700 tiendas
• 27 países
• 2 millones de trabajadores
• 1,5 millones de transacciones por hora
• Varios Terabytes de información generada en tiempo real
• Base de datos de 3 Petabytes
www.consultec.es
Ejemplo real: Walmart
Guardando todas las compras de todos los clientes se dieron cuenta que
en época de huracanes los Walmart de las zonas afectadas vendían más
cajas de Pop-Tarts que en otras épocas.
Se indicó a los gerentes de las tiendas que en esas épocas pusiesen los
Pop-Tarts en la entrada de las tiendas.
Resultado: Aumento extraordinario de las ventas
¿A quién se le hubiese ocurrido cruzar los
datos de ventas con los datos meteorológicos
o con los calendarios de huracanes?
www.consultec.es
Ejemplo real: Walmart
Hanna twitea:
“I love Salt!”.
En unos segundos el Tweet llega a los sistemas de Walmart, se analiza y
unos minutos más tarde le llega a una amiga suya el siguiente email:
“Buenos días!
Nos pediste que te avisásemos cuando fuese el cumpleaños
de Hanna. Pues ya está aquí y acaba de tweetear algo
bueno sobre la película “Salt” de Angelina Jolie.
¿Quieres regalarle algo relacionado con ello?
Tenemos algunas sugerencias que hacerte …”
www.consultec.es
Ejemplo real: Walmart
• Social Genome
Base de conocimiento que captura entidades y relaciones del mundo
social.
Obtiene información de su base de datos, de otros datos tanto públicos
como privados y de redes sociales.
A partir de ahí identifican entidades “interesantes” y las relacionan
entre sí, consiguiendo toda la información de la que son capaces.
Es un sistema vivo, en constante evolución.
www.consultec.es
Ejemplo real: Walmart
• Entidades: • Relaciones• Una persona interesada en un tema
• Una persona que asiste a un evento
• Un evento sobre un tema
• Una asociación entre empresa y
producto
www.consultec.es
Ejemplo real: Walmart
• Resumiendo
www.consultec.es
Características Técnicas
Arquitectura
• Alta escalabilidad
• Procesamiento paralelo
• Baja latencia
• Datos no estructurados y estructurados
• NoSQL
• By-pass de datos – Alta disponibilidad
www.consultec.es
Markets de Datos
Además de las fuentes de datos que tengamos en nuestra organización:
bases de datos, emails, logs, documentos, etc … Podemos acceder a
grandes volúmenes de datos (Data Sets) en los markets.
Hay gratuitos y de pago.
www.consultec.es
Hadoop
• Es una plataforma diseñada para almacenar y analizar grandes
volúmenes de datos de diferentes tipos. Basada en Google
Map/Reduce y Google Filesystem.
• Map/Reduce:
• Map: recoger los datos, estructurarlos, extraer la
información interesante, etc … para poder trabajar con
ellos.
Los trabajos se distribuyen en los nodos para
procesarse paralelamente.
• Reduce: combina la información generada en los Map.
• HDFS (Hadoop Distributed File System):
• Sistema de archivos distribuidos, con replicación
automática y optimizado para lectura. Cada fichero se
particiona y se distribuye en todos los servidores.
www.consultec.es
Hadoop
• Otros proyectos alrededor de Hadoop
• Hive: Data Warehouse sobre Hadoop con lenguaje HiveQL (“SQL”).
• Pig: Lenguaje de script para consulta y análisis de la información. Desarrollado
por Yahoo!.
• Sqoop: Framework para la integración de bases de datos relacionales con
Hadoop
• Flume: Servicio para recolectar, agregar y mover grandes volúmenes de datos
de eventos/logs y streaming.
• …
www.consultec.es
Microsoft HDInsight
• Servicio basado en Hadoop.
• Dos versiones:• Windows Azure HDInsight (on-demand)
• HDInsight Server (on-premise)
www.consultec.es
Microsoft HDInsight
• Acceso a todo tipo de usuarios, incluidos desarrolladores y
profesionales IT. Fácil instalación, administración y configuración.
• Integración con herramientas conocidas como Excel, PowerPivot,
PowerView, SQL Server Analysis Services o Reporting Services.
• .NET SDK para Hadoop (a través e NuGet):• Map/Reduce
• LINQ to Hive
• WebHDFS Client
www.consultec.es
Microsoft HDInsight
www.consultec.es
¿Dudas?
Gorka ArmentiaDeveloper
[email protected]@joruus
MCSA: SQL Server 2012MCSD: Application Lifecycle Management
Constantin CuciureanDeveloper
MCSA: SQL Server 2012MCSD: Web Applications
www.consultec.es
Gracias!