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…
Procesamiento de datos
11 Publicaciones
El procesamiento de datos consiste en la manipulación, tratamiento y adaptación de los datos con el fin de producir información significativa. En BI Geek estamos especializados en técnicas de procesamiento de datos para sistemas Business Intelligence y Big Data.
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…
¿Qué son las User Defined Functions (UDFs)?
La reusabilidad es un concepto altamente utilizado en el mundo de la programación. Se trata de una técnica que permite agilizar, encapsular y facilitar el mantenimiento de desarrollos. Informatica Powercenter brinda la posibilidad de aplicar estas técnicas mediante el uso de algo llamado User Defined Functions (UDFs).
Principales categorías de herramientas ETL – Parte II
En la anterior entrada del blog, Principales categorías de herramientas ETL, se introdujeron dos tipos de herramientas de ETL, las Enterprise Software y las Open Source. En esta entrada se presentarán los otros dos tipos de herramientas ETL: los personalizadas y los servicios en la nube.
Principales categorías de herramientas ETL
Las herramientas de ETL han existido durante más de 30 años y a lo largo de este tiempo han ido surgiendo diferentes tipos de herramientas a medida que la tecnología ha ido evolucionando. Estas pueden ser catalogadas en cuatro grandes categorías, abordando en esta entrada dos de ellas, las herramientas ‘Enterprise’ y las ‘Open Source’.
Introducción a Bases de Datos
Desde los orígenes de la comunicación humana, hemos tenido la necesidad de almacenar la información para la comunicación directa o indirecta. La llegada de nuevos métodos de procesamiento de la…
Introducción a Kettle
Kettle es una herramienta, dentro del paquete Pentaho Data Integration, de gran potencial para la realización de procesos de Extracción, Transformación y Carga de datos (ETL). Al ser un software libre, muchas…
Historia de las herramientas ETL
En el articulo ¿Qué es una ETL? vimos en qué consistían las ETLs y cuál es su objetivo. Los procesos ETL consumen entre el 60% y el 80% del tiempo de…
Modelo relacional y formas normales
En esta entrada vamos a hablar del modelo relacional y de las formas normales principales a la hora de normalizar una base de datos.
Introducción a PowerCenter
Informatica PowerCenter es la herramienta líder en integración de datos según el Cuadrante Mágico de Gartner. Aparece en la posición más elevada tanto en la “capacidad de ejecución” como en…