Flashcard: Introduction aux Systèmes Big Data — 24 carte

Big Data — définition ?

Ensemble de données massives, rapides, variées, nécessitant des technologies spécifiques.

Origines du Big Data — années 1960-1980 ?

Développement des premières bases de données et systèmes de gestion.

Internet — rôle dans Big Data ?

Démocratisation d’Internet a accéléré la croissance des données.

Données structurées — exemple ?

Bases SQL, données organisées en tableaux.

Données semi-structurées — exemple ?

JSON, XML, emails.

Données non structurées — exemple ?

Images, vidéos, posts sociaux.

Limitations architectures traditionnelles — problème ?

Incapacité à gérer volume, diversité et vitesse croissante.

Systèmes Big Data — exemples ?

Hadoop, Spark, bases NoSQL.

Les 5 V du Big Data — premier V ?

Volume : quantité de données.

Les 5 V — Vitesse ?

Rapidité de production et traitement des données.

Les 5 V — Variété ?

Diversité des formats et sources de données.

Les 5 V — Véracité ?

Qualité et fiabilité des données.

Les 5 V — Valeur ?

Capacité à en tirer des insights exploitables.

Systèmes Hadoop — rôle ?

Stockage distribué et traitement batch.

Spark — avantage ?

Traitement en mémoire, plus rapide que Hadoop.

NoSQL — famille ?

Bases non relationnelles pour données variées et volumineuses.

Traitement de l’information — étape clé ?

Collecte, stockage, analyse, visualisation.

ELT — processus ?

Extraction, chargement, transformation après stockage.

ETL — processus ?

Extraction, transformation, chargement avant stockage.

Datawarehouse — stockage ?

Données structurées, intégrées, prêtes à analyser.

Datalake — stockage ?

Données brutes, formats variés, flexibles.

Architecture Lambda — principe ?

Combine traitement batch et en temps réel.

Architecture Kappa — principe ?

Traite tout en flux continu, simplifie.

Big Data — croissance ?

Double tous les 4 ans, environ 181 zettaoctets en 2025.