Si su organización está a punto de entrar en el mundo del Big Data, no solo necesita decidir si Apache Hadoop es la plataforma adecuada para utilizar, sino también cuáles de sus numerosos componentes son los más adecuados para su tarea. Esta guía de campo hace que el ejercicio sea manejable al dividir el ecosistema de Hadoop en secciones cortas y digeribles. Entenderá rápidamente cómo los proyectos, subproyectos y tecnologías relacionadas de Hadoop trabajan juntos.

Cada capítulo presenta un tema diferente, como las tecnologías centrales o la transferencia de datos, y explica por qué ciertos componentes pueden o no ser útiles para necesidades particulares. Cuando se trata de datos, Hadoop es un juego completamente nuevo, pero con esta práctica referencia, tendrá una buena comprensión del campo de juego.

Esta guía cubre temas como: tecnologías centrales, incluyendo Hadoop Distributed File System (HDFS), MapReduce, YARN y Spark; bases de datos y gestión de datos, como Cassandra, HBase, MongoDB e Hive; serialización con Avro, JSON y Parquet; gestión y supervisión con Puppet, Chef, Zookeeper y Oozie; herramientas de análisis como Pig, Mahout y MLLib; transferencia de datos con Scoop, Flume, distcp y Storm; seguridad, control de acceso y auditoría con Sentry, Kerberos y Knox; y computación en la nube y virtualización con Serengeti, Docker y Whirr.