[MÚSICA] [MÚSICA]
Capturar a informação.
O início de projeto de Big Data consiste na determinação do objetivo do estudo.
Para atingir o objetivo deve-se definir quais os dados que
precisam ser armazenados.
As informações podem ser extraídas, por exemplo,
da internet, das redes sociais e de sensores.
Todas as informações devem ser capturadas e armazenadas no Data Lake.
A forma mais fácil de capturar dados de mídias sociais
online é por meio de uma API.
Algumas empresas de mídias sociais disponibilizam APIs.
Processar, modelar e visualizar.
O processamento e a modelagem dos dados são divididos três pilares:
Tecnologias de Big Data; Ferramentas de Analytics e Ferramentas de BI.
[MÚSICA] Tecnologia.
Para processar o imenso volume de dados do Big Data são
necessárias tecnologias que possam oferecer escalabilidade,
disponibilidade e flexibilidade.
Inicialmente, as empresas com a necessidade de aumentar os
recursos computacionais como: disco, memória e velocidade,
faziam a troca de equipamento ou de algum componente.
Essa estratégia possui algumas desvantagens: custo de
atualização dos equipamentos, escalabilidade limitada,
pois não é possível aumentar o processamento para momentos de pico.
O Hadoop trouxe inovação ao processamento de dados.
Ele é projeto open source da Apache Software Foundation,
criado por Dough Cutting e Mike Cafarella.
O Hadoop permite processamento de dados várias unidades
de disco de forma distribuída, com tolerância a falhas.
O cluster Hadoop é formado por conjunto de processadores.
O HDFS é o componente do Haddop
responsável pelo armazenamento distribuído dos dados.
O arquivo a ser processado é dividido por padrão,
blocos de tamanho 64 megabites.
Suponha arquivo dividido quatro blocos, A1, A2,
A3 e A4 de 64 megabites cada.
Por padrão são realizadas três réplicas de cada bloco para processamento.
A figura apresenta exemplo de processamento de cluster Hadoop,
onde o arquivo está dividido quatro blocos e processado com três réplicas.
Desta forma, o processamento é realizado de forma mais rápida, e com réplicas.
Caso o processamento de bloco falhe existem outros blocos que
estão realizando a mesma operação.
Processar com Haddop é muito seguro, é uma forma barata.
O Hadoop é muito eficiente,
você coloca vários discos e a operação é feita de forma distribuída.
Ele é muito eficiente e muito recomendado para projetos de Big Data.
Ferramentas de Analytics e de BI.
A modelagem das informações pode ser feita por meio, por exemplo, dos softwares.
SAS, R, IBM SPSS,
IBM Model, e o super computador o IBM Watson,
que é sistema de computação cognitiva.
A linguagem de programação Python também é muito utilizada projetos de Big Data.
A visualização de dados pode ser feita por meio de ferramentas de
Business Intelligence: Qlik, Power BI e Tableau, por exemplo.
Neste bloco foram apresentadas algumas formas de
processamento de dados: como processar com Hadoop,
como processar de forma distribuída, como utilizar algumas formas de Analytics.
Posso usar o SAS, por exemplo, o SPSS.
Existem muitos softwares já desenvolvidos para a fase de modelagem,
para a parte de modelo.
E na parte de visualização, na camada de BI,
existem muitas empresas mundiais que fornecem serviços de extrema qualidade.
Até a próxima aula.
[MÚSICA]
Alessandra MontiniProfessora Doutora
