Cómo migrar tu DWH a un Data Lake sin morir en el intento: Parte 3 – factores clave
En esta tercera parte de la serie de artículos sobre «cómo migrar un Data Warehouse a un Data Lake«, vamos a comentar los aspectos clave sobre los que hay que…
Big Data
25 Publicaciones
Big Data son una serie de técnicas que nos permiten el tratamiento de datos o combinaciones de conjuntos de datos cuyo tamaño, complejidad y velocidad de crecimiento dificultan su captura, gestión, procesamiento o análisis mediante tecnologías y herramientas convencionales, tales como bases de datos relacionales y estadísticas convencionales o paquetes de visualización, dentro del tiempo necesario para que sean útiles.
En BI Geek desarrollamos proyectos basados en tecnologías Opensource, herramientas Enterprise o plataformas Cloud, utilizando arquitecturas adaptadas a las necesidades del cliente.
Cómo migrar un DWH a un Data Lake sin morir en el intento: Parte 1 – planteamiento de cambio
El mundo del dato está viviendo su época de esplendor. Cada vez son más las compañías que hacen un uso exhaustivo de los datos. Estos usos van desde mejorar la…
Open Data vs Covid-19
Un modelo real de Open Data sería la mejor de las armas para una lucha global contra la CoVid-19 y otras pandemias gracias al empleo de las técnicas de Inteligencia Artificial…
Spark SQL: Optimizador Catalyst
En entradas anteriores del blog, se realizó una introducción al framework de procesamiento distribuido Apache Spark. El objetivo de esta entrada es introducir las ventajas del uso del optimizador Catalyst de…
Formatos de ficheros en Hadoop
Como se comentaba en anteriores artículos, Hadoop es un ecosistema de aplicaciones que permite implementar plataformas Big Data distribuidas, funcionales y escalables. El ecosistema Hadoop está diseñado para procesar grandes…
2gether, the first collaborative bank
En cierta ocasión, un buen amigo mío apasionado con la Retórica de Aristóteles, me recomendó que siempre que escribiera un artículo, contara una historia o presentara un proyecto lo hiciera…
MongoDB – Querying II
En entradas anteriores se presentó las carácterísticas generales de MongoDB y una introducción a la realización de consultas, donde se pudo ver la insercción, eliminación de documentos y consultas sobre los mismos. En esta entrada se analizarán consultas más avanzadas sobre tipos complejos de datos mediante el uso de código JavaScript. Además se expondrá el uso de índices para mejorar la eficiencia en las consultas.
Apache Spark: RDD Performance II
Anteriormente iniciamos una serie de entradas relacionadas con las consideraciones generales a tener en cuenta a la hora de programar en Apache Spark. En esta entrada vamos a centrarnos, por un lado, en comentar los errores más comunes que ocurren cuando ejecutamos algún programa en Apache Spark, y por otro vamos a comentar la necesidad de elegir el número de particiones que debe tener un RDD.
Cassandra: Introducción
En esta entrada haremos una introducción a una de las principales Bases de Datos NOSQL (Not Only SQL) que existen hoy en día en el mercado, Cassandra. Se considera una de las bases de datos distribuidas con mayor auge en los últimos años en el paradigma Big Data. Antes de introducirnos a sus principales características, conozcamos un poco de su historia.
Redis para principiantes
Redis (Remote Dictionary Server) es una Base de Datos con un motor de almacenamiento Clave-Valor. Además, los datos residen, principalmente, en memoria, lo que proporciona a este sistema unos muy buenos tiempos de respuesta en la recuperación de la información.