Construyendo la moderna arquitectura de datos híbridos para Big Data con Apache Hadoop y Microsoft Data Platform

José RedondoCorreo: jose.redondo@bitsamericas.comTwitter: @redondojLinkedIn: http://co.linkedin.com/in/redondojBlog: http://redondoj.wordpress.com

Expositor CTO – DPA Bits America SAS Colombia – U.S.A.

DPA SolidQ

MCP | MCTS – MS SQL Server; MTA – DAF

SQL Saturday Sponsors

Billones de datos INGRESANDO en nuestros ECOSISTEMAS de bases de

datos

Construyendo la moderna arquitectura de datos híbridos para Big Data con Apache Hadoop y Microsoft Data Platform

AGENDA

Introducción Cual es la Arquitectura Moderna de

Datos Híbridos (MDA)? Apache Hadoop en la MDA Híbrida La MDA Híbrida y Microsoft

INTRODUCCIÓN

Arquitectura de Datos ActualA

PLI

CA

CIO

NES Business

Analytics

AplicacionesPersonalizad

as

AplicacionesEmpaquetad

as

SIS

TEM

A D

E

BA

SES

DE D

ATO

S

REPOSITORIOS

RDBMS

EDW MPP

OR

IGEN

ES

D

ED

ATO

S Orígenes Existentes(CRM, ERP,

Clickstream, Logs)

4,2 ZB en 2013

85% de nuevos tipos de datos

15x datos maquina para 2020

40ZB para 2020

Arquitectura Moderna de Datos HabilitadaA

PLI

CA

CIO

NES Business

Analytics

AplicacionesPersonalizad

as

AplicacionesEmpaquetad

as

SIS

TEM

A D

E

BA

SES

DE D

ATO

S

REPOSITORIOS

RDBMS

EDW MPP

OR

IGEN

ES

D

ED

ATO

S Orígenes Existentes(CRM, ERP, Clickstream,

Logs)

Orígenes Emergentes(Sensores, Semánticos, Geo, No Estructurados)

DESPLIEGUE & PRUEBAS

HERRAMIENTAS DE DATOS Y DESARROLLO

ADMINISTRACIÓN & MONITOREO

HERRAMIENTAS OPERACIONES

CUAL ES LA ARQUITECTURA MODERNA DE DATOS HIBRIDOS (MDA)?

El Poder de la Arquitectura Moderna de Datos Hadoop

Compute &

Storage

Compute &

Storage

. . .

. . . .

. . .

Hadoop Cluster

Los Cluster Hadoop proporcionan almacenamiento escalado y procesamiento distribuido de datos en el hardware disponible Apache Hadoop es un proyecto open source, liderado por

la Apache Software Foundation (ASF), que nos permite comprender de cantidades masivas de datos estructurados y no estructurados, rápidamente y sin una inversión importante.

APACHE HADOOP EN LA MDA HIBRIDA

Requerimientos para la adopción de Hadoop

Requerimientos para el Rol de Hadoop en la Arquitectura Moderna de Datos (MDA)

IntegradoInteropera con inversiones de centro de datos existentes

DestrezasAprovecha las habilidades existentes en nuestro ecosistema: Desarrollo, Operaciones y Análisis

Servicio clavesInteropera con

inversiones de centro de datos existentes

Casos de uso de la Arquitectura de Datos ModernaIndustria Casos de Uso Tipo de Datos

Servicios Financieros

Nuevas cuentas de riesgo Textos, Registros de Servidores

Riesgos comerciales Registros de Servidores

Suscripción de seguros Datos Geográficos, Datos RFid, Textos

Telecomunicaciones

Detalle de llamadas (CDRs) Datos de Maquinas, Datos Geográficos

Inversión en infraestructura Datos de Maquinas, Registros de Servidores

Asignación de ancho de banda en tiempo real Registros de Servidores, Textos, Redes Sociales

VentasVista 360° del cliente Clickstream, Textos

Promociones personalizadas, Localizadas Datos Geográficos

Optimización de sitios web Clickstream

ManufacturasCadena de suministro y logística Datos RFid

Aseguramiento de la calidad de línea de montaje Datos RFid

Aseguramiento de la calidad de CrowdSourcing Redes Sociales

Salud Utilizar datos genómicos en ensayos médicos Datos Estructurados

Monitor de signos vitales de pacientes en tiempo real Datos RFid

FarmacéuticasReclutar y retener a los pacientes para los ensayos de medicamentos Redes Sociales, Clickstream

Mejorar el cumplimiento de la prescripciónRedes Sociales, Datos No Estructurados, Datos Geográficos

Petroleras Unificar la exploración & datos de producciónDatos RFid, Datos Geográficos & Datos No Estructurados

Seguridad en tiempo real del monitoreo en la plataforma de producción Datos RFid, Datos No Estructurados

GobiernoETL para la descarga de datos fuera de linea en respuesta a las presiones presupuestarias federales Datos Estructurados

Análisis semántico para programas del gobierno Redes Sociales

LA MDA HIBRIDA Y MICROSOFT

Microsoft en la Arquitectura Moderna de DatosA

PLI

CA

CIO

NES

SIS

TEM

A D

E

BA

SES

DE D

ATO

S

OR

IGEN

ES

D

ED

ATO

S Orígenes Existentes(CRM, ERP, Clickstream,

Logs)

Orígenes Emergentes(Sensores, Semánticos, Geo, No Estructurados)

HERRAMIENTAS DE DATOS Y DESARROLLO

HERRAMIENTAS OPERACIONALES

INFRAESTRUCTURA

Microsoft y Hortonworks

Ingeniería alineadaCorporaciones alineadas

Campos de acción alineados

Plataforma de datos End-To-EndInteligencia de Negocio

Almacén de Datos Moderno

Almacén de Datos Relacional

Hadoop

Arquitectura de Datos Moderna

SQL Server

PDWSQL

Server para DW en Azure

Hortonworks Data Platform

PDW vNext

(PDW + HDInsigh

t)

SQL Server

para DW en Azure

Software en Caja

Aplicaciones

NubeSoftware en Caja

Aplicaciones

Nube

Orígenes de Datos Relacionales

Datos No Relacionales

OLTP ERM CRM LOB DISPOSITIVOS

WEB SENSORES

SOCIAL

HERRAMIENTAS DE DATOS Y DESARROLLO

HERRAMIENTAS OPERACIONALES

Soluciones Hadoop desde MicrosoftSoluciones disponibles para la Nube y On-Premise

Apache Hadoop

Hortonworks Data Platform

PDW vNext (PDW + HDInsight)

Windows Azure | HDInsight

Software en Caja Aplicaciones Nube

Plataforma de Datos Hortonworks para Windows

Hortonworks Data Platform

Software en Caja

Clientes ideales On-Premises en sus propios servidores Escenarios con altos datos sensibles, o Clientes con altos volúmenes de datos

generados On-Premises

Casos de usos El caso de uso CDW

Información clave HDP 2.1 (Release – Junio 04) para Windows Descargable: http://hortonworks.com/hdp/

Parallel Data Warehouse con HDInsight

Clientes ideales Clientes que desean soluciones preconstruidas, de

alta gama y escalabilidad horizontal Plataforma Microsoft Integrada (Directorio Activo,

System Center, etc) Clientes que desean ventajas de hardware (Mayor

tolerancia a fallos, Rendimiento de red InfiniBand sintonizado)

Casos de usos Casos de uso RSB – Royal Bank of Scotland

Información clave PDW con nuevas características en segundo

semestre de 2014

PDW vNext (PDW + HDInsight)

Aplicaciones

Integración Relacional + No Relacional

Modelo de consulta simple para entidades relacionales y Hadoop

Procesos relacionales & Hadoop en paralelo

Costo de ETL no elevado para ingresar a Hadoop en DW

Consultar Hadoop con habilidades de T-SQL existentes

Valor incrementado para los nuevos datos

Consultas integradas con PolyBase en SQL PDW

Select. . .

Conjunto

deResultad

os

DatosHadoop

PolyBase

DataRelacion

al Consulta Relacional + No Relacional

Ampliar datos relacionales hasta Petabytes

Consultas paralela con Massively Parallel Processing (MPP)

Múltiples nodos con CPU dedicada, Memoria, Unidades de almacenamiento

Añadir incrementalmente hardware para cerca de escala lineal a multi-PB

Manejar complejas consultas y alta escalabilidad en la concurrencia

Sin atajos previo en el almacén de datos para aumentar la capacidad

Tecnologías Escalables en SQL Server Parallel Data Warehouse

Desde Terabytes a Multi-Pentabytes

Ampliarel Entorno de Datos

Debido a que el PDW se encuentra profundamente integrado con Hadoop, Direct Edge puede utilizar datos no estructurados de Big Data, desbloqueando nuevos escenarios analíticos.

"Nuestros analistas tienen una comprensión mucho más profunda de los datos comerciales. Por ejemplo, pueden comprender mejor las fluctuaciones mensuales en los ingresos por comisiones de honorarios".

Richard HorchronCTO Direct Edge

Windows Azure HDInsight

Windows Azure | HDInsight

Nube

Clientes ideales Ellos quieren todos los beneficios de la nube – Bajo

costo y Escalabilidad amplia Escenarios con datos existentes en la nube Tiempos de respuestas valorados por Hadoop

(Sobre los 10 minutos)

Casos de usos Casos de uso Hy-Vee

Información clave HDInsight en Hadoop 2.2 Azure HDInsight en Hadoop 2.4

Master Chief encontrándose con Big Data

• En el juego de análisis, se detectan a los tramposos y mejora la experiencia para todo el mundo

• Permite campañas específicas con el fin de mejorar la retención de clientes

Salvando vidas con Pequeños y Grandes datos

“Esto reinventará la forma en que trabajamos con registros médicos en el futuro”

Paul Handerson BI Division Head

Soluciones Hadoop desde Microsoft

Hadoop

Hortonworks Data Platform

PDW vNext (PDW + HDInsight)

Windows Azure | HDInsight

Software en Caja Aplicaciones Nube

Inteligencia de Negocio

Microsoft & Hortonworks

Orígenesde datos

YARN

HDFS

Java R

PC

MAPREDUCE

SERVICIOS DE DATOS

TEZ

PIG HIVE

HCATALOGHBASE

AMBARI

HERRAMIENTAS DE DATOS Y DESARROLLO

ADMINISTRACIÓN Y MONITOREO

Querys | Visualización | Reportes | Analysis

HADOOPServicios de

Datos

Repositorios Empresarial

es

Gobernabilidad

IntercambioReplicación

Cargade datos

SQOOP

FLUME

Web HDFS

ODBC

JDBC

INTERFACES

SQOOP

JAVA RPC

Arquitectura deReferencia

DEMO

Incorporación de grandes datos aUN BILLÓN de usuarios

PREGUNTAS & RESPUESTAS

Construyendo la moderna arquitectura de datos híbridos para Big Data con Apache Hadoop y Microsoft Data Platform

Jose Redondo – MS SQL Server MVPCorreo: redondoj@gmail.comTwitter: @redondojBlog: redondoj.wordpress.com

Construyendo la moderna arquitectura de datos híbridos para Big Data con Apache Hadoop y Microsoft Data Platform

Patrocinadores de esta conferencia

Los invitamos al

Muchas gracias por su participación