hd insight integracion con sql server power-pivot excel
DESCRIPTION
TRANSCRIPT
#SQLSat288
Ing. Eduardo Castro, PhD
Microsoft SQL Server [email protected]://www.youtube.com/eduardocastrom
Comunidad Windows Costa Rica
HDInsight utilizando Hadoop + SQL con análisis en Excel
Canal en YouTube
http://www.youtube.com/eduardocastrom
Más detalles sobre Big Data
http://tinyurl.com/BigDataEduardoCastro
Objetivos de la sesión
Qué es Big data Introducción a HDInsightAutoservicio de Inteligencia de Negocios (BI): Excel 2013 PowerPivot Excel 2013 Power View
Características de BI de Excel 2013Creación de un solución de BI con Big Data BI dentro de Excel
2013
Esquema
Introducción: Big Data y Hadoop HDInsight PowerPivot en Excel 2013 Power View en Excel 2013
Modelaje de “Big Data” con PowerPivot: Beneficios Consideraciones
Demostraciones
Introducción a Big Data y Hadoop
Big data es una colección de conjuntos de datos tan grande y complejo que se vuelve difícil para trabajar con el uso de herramientas de gestión de base de datos tradicionales. Las dificultades incluyen la captura, almacenamiento,
búsqueda, intercambio, análisis y visualización
Qué es Big Data?
Megabytes
Gigabytes
Terabytes
Petabytes
Purchase detailPurchase recordPayment record
ERP
CRM
WEB
BIG DATA
Offer details
Support Contacts
Customer Touches
Segmentation
Web logs
Offer history
A/B testing
Dynamic Pricing
Affiliate Networks
Search Marketing
Behavioral Targeting
Dynamic Funnels
User Generated Content
Mobile Web
SMS/MMSSentiment
External Demographics
HD Video, Audio, Images
Speech to Text
Product/Service Logs
Social Interactions & Feeds
Business Data Feeds
User Click Stream
Sensors / RFID / Devices
Spatial & GPS Coordinates
Incremento de variedad y cantidad de datos
Transacciones + Interacciones +
Observaciones= BIG DATA
Procesamiento de datos y análisis: The Old Way
La naturaleza cambiante del Big Data
Big Data tiene importantes cualidades distintivas que lo diferencian de los datos corporativos "tradicionales".
Los datos no son centralizadas, muy estructurados y de fácil manejo, ahora más que nunca los datos están muy dispersos, poco estructurados (o no tiene estructura en absoluto), y cada vez más con volúmenes más grandes
La naturaleza cambiante del Big Data
Volumen - La cantidad de datos que han creado las empresas a través de La web Dispositivos móviles Infraestructura de TI y otras fuentes está creciendo exponencialmente cada año.
La naturaleza cambiante del Big Data
Tipo - La variedad de tipos de datos es cada vez mayor, No estructurados de datos basados en texto Datos semi-estructurados como los datos de los medios sociales Los datos basados en la localización Datos de logs, ejemplo servidores Web
La naturaleza cambiante del Big Data
Velocidad La velocidad a la que se está creando nuevos datos
La necesidad de análisis en tiempo real para obtener valor de negocio de ella - es cada vez mayor gracias a la digitalización de las transacciones, la informática móvil y el gran número de usuarios de dispositivos de Internet y el móvil.
Principales fuentes de datos
Redes sociales y medios de comunicación 700 millones de usuarios de Facebook, 250 millones de usuarios de
Twitter y 156 millones de blogs públicosDispositivos móviles Más de 5 mil millones de teléfonos móviles en uso en todo el mundo
Transacciones en Internet miles de millones de compras en línea, operaciones de bolsa y otras
transacciones ocurren todos los díasDispositivos de red y sensores
Big Data
Casos en los cuales se utiliza Big Data
Parte de lo que hace Hadoop y otras tecnologías y enfoques Big Data es encontrar respuestas a preguntas que ni siquiera saben que preguntar.
Dar lugar a ideas que conducen a nuevas ideas de productos o ayudar a identificar formas de mejorar la eficiencia operativa.
Casos de uso ya identificadas para Big Data, tanto para los gigantes de internet como Google, Facebook y LinkedIn, y para la empresa más tradicional
Casos en los cuales se utiliza Big Data
Sentiment Analysis Utilizado junto con Hadoop, herramientas avanzadas de análisis de
texto analizan el texto no estructurado de las redes sociales y mensajes de redes sociales
Incluyendo los Tweets y mensajes de Facebook, para determinar la confianza del usuario en relación con determinadas empresas, marcas o productos.
El análisis puede centrarse en el sentimiento a nivel macro hasta el sentimiento usuario individual.
Casos en los cuales se utiliza Big Data
Modelado de riesgo Las empresas financieras, bancos y otros utilizan Hadoop y Next
Generation Data Warehouse para analizar grandes volúmenes de datos transaccionales para determinar el riesgo y la exposición de los activos financieros
Para preparar la posible "qué pasaría si" los escenarios basados en el comportamiento del mercado simulado, y para puntuación de clientes potenciales por el riesgo.
Casos en los cuales se utiliza Big Data
Motor de recomendación
Los minoristas en línea utilizan Hadoop para igualar y recomendar a los usuarios entre sí o con los productos y servicios basados en el análisis del perfil de usuario y los datos de comportamiento.
LinkedIn utiliza este enfoque para potenciar su función de "la gente puede saber", mientras que Amazon utiliza para sugerir productos a la venta a los consumidores en línea.
Casos en los cuales se utiliza Big Data
Detección de FraudeUtilizar técnicas de Big Data para combinar el comportamiento
del cliente, históricos y datos de transacciones para detectar la actividad fraudulenta.
Las compañías de tarjetas de crédito, por ejemplo, utilizan tecnologías de Big Data para identificar el comportamiento transaccional que indica una alta probabilidad de una tarjeta robada.
Casos en los cuales se utiliza Big Data
Análisis de la campaña de marketingLos departamentos de marketing a través de industrias han
utilizado durante mucho tiempo la tecnología para monitorear y determinar la efectividad de las campañas de marketing.
Big Data permite a los equipos de marketing para incorporar mayores volúmenes de datos cada vez más granulares, como los datos de click-stream y registros detallados de llamadas, para aumentar la precisión de los análisis.
Casos en los cuales se utiliza Big Data
Análisis Social GraphJunto con Hadoop los datos de redes sociales se extraen para
determinar qué clientes representan la mayor influencia sobre los demás dentro de las redes sociales.
Esto ayuda a determinar las empresas que son sus clientes "más importantes", que no siempre son los que compran la mayoría de los productos o de los que más gastan, pero los que tienden a influir en el comportamiento de compra de la mayoría de los demás.
Casos en los cuales se utiliza Big Data
Customer Experience AnalyticsEmpresas orientadas al consumidor utilizan Hadoop y
tecnologías relacionadas con Big Data para integrar los datos de antes silos canales de interacción con clientes
Tales como centros de llamadas, chat en línea, Twitter, etc, para obtener una visión completa de la experiencia del cliente.
Nuevos Enfoques para el procesamiento y análisis de datos grandes
Hay varios métodos para procesar y analizar grandes volúmenes de datos, pero la mayoría tienen algunas características comunes
Hadoop NoSQL Bases de datos analíticos masivamente paralelo
Nuevos Enfoques para el procesamiento y análisis de datos grandes
Introducción a Big Data y Hadoop
Big data se enfrenta a complejidades de alto volumen, la velocidad y la variedad de los datos
Apache Hadoop, es un conjunto de proyectos de código abierto que transforman el hardware tradicional en un servicio que puede: Almacenar petabytes de información Permite procedamiento distribuido
Principales atributos: Redundante y confiable (no se pierden datos) Centrado en el análisis por lotes Facilidad de crear aplicaciones y procesamiento distribuido Ejecuta en cualquier hardware
Componentes de Hadoop Hadoop Distributed File System (HDFS): La capa de almacenamiento por defecto en
cualquier clúster Hadoop dado;
Nombre de nodo: El nodo de un clúster Hadoop que proporciona la información del cliente en lugar del grupo de datos en particular se almacenan y si los nodos fallan;
Nodo secundario: Una copia de seguridad con el nombre de nodo, se replica periódicamente y almacena los datos del nombre de nodo debe fallar;
Job Tracker: El nodo de un clúster Hadoop que inicia y coordina trabajos MapReduce, o el tratamiento de los datos.
Los nodos esclavos: Los gruñidos de cualquier Hadoop clúster, los nodos esclavos almacenan datos y tomar la dirección de procesarlo desde el gestor de trabajo.
Hadoop Ecosystem
Distributed Storage(HDFS)
Query(Hive)
Distributed Processing(MapReduce)
Scripting(Pig)
NoSQ
L Database
(HBase)
Metadata(HCatalog)
Data Integration
( OD
BC / SQO
OP/ REST)
Relational(SQ
L Server)
Machine Learning(Mahout)
Graph(Pegasus)
Stats processin
g(RHadoop
)
Event Pipeline(Flum
e)
Active Directory (Security)
Monitoring & Deployment
(System Center)
C#, F#, .NETJavaScript
Pipeline / Workflow
(Oozie)
Azure Storage Vault (ASV)
PDW
Polybase
Business Intelligence (Excel, Pow
er View
, SSAS)
World's Data (Azure Data Marketplace)
Event D
riven Processin
g
LegendRed = Core HadoopBlue = Data processingPurple = Microsoft integration points and value addsYellow = Data MovementGreen = Packages
Via Hadoop Ecosystem pptx, Cindy Gross. Used with permission
Arquitectura de Hardware
Arquitectura de Software
Hadoop Distributed Architecture
MapReduce Layer
HDFS Layer
Task trackerTask tracker
Job tracker
Name node
Data node Data node
MapReduce: Mover Código a los Datos
FIRST, STORE THE DATA
Server
ServerServer
Files
Server
Cómo trabaja?
SECOND, TAKE THE PROCESSING TO THE DATA
// Map Reduce function in JavaScriptvar map = function (key, value, context) {var words = value.split(/[^a-zA-Z]/);for (var i = 0; i < words.length; i++) {if (words[i] !== "")context.write(words[i].toLowerCase(),1);}}};var reduce = function (key, values, context) {var sum = 0;while (values.hasNext()) {sum += parseInt(values.next());}context.write(key, sum);};
ServerServer
ServerServer
RUNTIME
Code
Windows HADOOP
2 Versiones Cloud Azure Service
On Permise Integración con el Hadoop File System with Active Directory Integración con BI
Herramientas de integración Sqoop Integración con SQL Server
Introducción a HDInsight
HDInsight es una implementación de Microsoft 100% compatible con la distribución de Apache Hadoop
Disponible tanto para Windows Server y como un servicio Windows Azure
Permite que las empresas analicen datos no estructurados con herramientas bien conocidas tales como Excel
Windows Azure HDInsight Service
Hadoop
Windows Azure Blob StorageHDFS
Hadoop Filesystem Interface
Hive Pig Map Reduce
Query & Metadata:
SqoopData Movement:
OozieWorkflow:
HCatalog
Gateway (REST APIs)
Carga/Descarga de Datos
AmbariMonitoring:
Job submission (hive query, etc)
Windows Azure HDInsight Service
Compute NodeCompute
NodeCompute NodeCompute
Node
Windows Azure Blob StorageHead
Node
Gateway (REST APIs)
Hadoop Cluster
Job submission (hive query, etc)
Cluster Dashboard UI
Hadoop para Windows
HDP para Windows
Hortonworks Data Platform (HDP) For Windows
100% Open Source Enterprise Hadoop
HORTONWORKS DATA PLATFORM (HDP)For Windows
PLATFORM SERVICES
HADOOP CORE Distributed Storage & Processing
DATASERVICES
Store, Process and Access Data
OPERATIONAL SERVICES
Manage & Operate at
Scale
Manage & Operate at
Scale
Store, Process and Access Data
Distributed Storage & Processing
Enterprise Readiness
Demostracióncreación de un Hadoop Cluster
Ecosistema de Big Data de Microsoft
Plataforma de Big Data Micrsooft
Interoperatibilidad
Integración con las herramientas de Análisis de Microsoft
APPLICATIONS
DATA
SYSTEMS
Aplicaciones Microsoft
HORTONWORKS DATA PLATFORMFor Windows
DATA
SOURCE
SMOBILE
DATAOLTP, POS SYSTEMS
Fuentes tradicionales(RDBMS, OLTP, OLAP)
Nuevas Fuentes(web logs, email, sensor data, social media)
Introducción a PowerPivot
PowerPivot permite que los usuarios creen modelos de datos de autoservicio con Excel
Se logra mediante una versión del lado del cliente de of SQL Server Analysis Services conocido como xVelocity In-Memory Analytics Engine
Puede almacenar de forma eficiente volúmenes de datos más grandes que las hojas típicas de Excel
Introducción a PowerPivot
Una ventana se puede utilizar para cargar, explorar, relacionar y enriquecer datos con cálculos personalizados
Puede importar y relacionar datos de la empresa, datos locales, o distintos almacenes de datos
En el Excel 2013 Professional Plus edition, PowerPivot está instalado pero no habilitado
Introducción a Power View
Power View una experiencia de exploración de datos, visualización y presentación Experiencia centrada en la interacción Interacción con metadatos
Permite que los usuarios creen reportes ad-hocLos reportes pueden estár basado en modelos de datos
tabulares, incluyen modelos de PowerPivot
Introducción a Power View
En Excel 2013, se incluyen nuevas características:
• Maps• Pie charts• Hierarchies• KPIs• Drill down/Drill up• Report styles, themes and text resizing• Backgrounds with images• Hyperlinks• Printing
Modelando “Big Data” con PowerPivot
Big data puede ser integrado con otras fuentes de datosPotencial de Autoservicio de BI: PowerPivot puede cargar Big Data mediante el Table Import Wizard ODBC para HDInsight OLE DB para SQL Server con enlace a HDInsight
PowerPivot puede ser fuente para: Reporte locales en Excel con PivotTables, PivotCharts, CUBE y Power View Otras herramientas de análisis (una vez publicado en SharePoint)
Consideraciones de modelar “Big Data” con PowerPivot
Los resultados de Big Data pueden ser muy grandes para almacenamiento en memoria
Workaround: minizar la cantidad de datos consultados Recuperar un periodo de tiempo más pequeño Reducir las dimensiones o ser más granular
Una vez que está cargado el modelo puede ser manipulado con rapidez
Formas de carga de datos
1.Creación de una solución con HDInsight2.Crear un PowerPivot Workbook con HDInsight3.Creación de repores en Excel
Demostraciones
Cargar datos al blog storage de Windows Azure
Para prototipos y ejemplos: #putPara producción utilizer el blob storage APIs. AzCopy Command LineCopyBlob REST API
Cómo consumir Resultados de HDInsight
Destino Herramienta / Biblioteca Requiere Active HDInsight Cluster
SQL Server,Azure SQL DB
Sqoop (Hadoop ecosystem project) Yes
Excel Codename “Data Explorer” No
Otra Blob Storage Account
Azure Blob Storage REST APIs (Copy Blob, etc)
No
SQL Server Analysis Services
Hive ODBC Driver Yes
BI Apps Existentes Hive ODBC Driver (assumes app supports ODBC connections to data sources)
Yes
DEMOConsumir Result Sets – Excel & “Data Explorer”
Hadoop Connectors
SQL Server versions Azure PDW SQL 2012 SQL 2008 R2
http://www.microsoft.com/download/en/details.aspx?id=27584
SQL Server-Hadoop Connector
Sqoop-based connector Import tables in SQL Server to delimited text files on HDFS tables in SQL Server to SequenceFiles files on HDFS tables in SQL Server to tables in Hive Result of queries executed on SQL Server to delimited text files on
HDFS Result of queries executed on SQL Server to SequenceFiles files on
HDFS Result of queries executed on SQL Server to tables in Hive
Export Delimited text files on HDFS to SQL Server DequenceFiles on HDFS to SQL Server Hive Tables to tables in SQL Server
Recursos Adicionales
Microsoft Big Datahttp://www.microsoft.com/bigdataWindows Azure HDInsighthttps://www.hadooponazure.comHDInsight Services for WindowsIncludes an excellent set of BI specific resources in the section named “Using HDInsight with Other BI Technologies”http://social.technet.microsoft.com/wiki/contents/articles/6204.hadoop-based-services-for-windows-en-us.aspxBlog: Big Data for Everyone: Using Microsoft’s Familiar BI Tools with Hadoophttp://blogs.msdn.com/b/microsoft_business_intelligence1/archive/2012/02/24/big-data-for-everyone-using-microsoft-s-familiar-bi-tools-with-hadoop.aspx