Tipologías y arquitectura de un sistema Big Data
Antes de presentar la información, presta atención al siguiente caso:
Tipología de datos
Debido a su arquitectura de discos estables como el CPU y la memoria, los sistemas Big Data buscan atacar el crecimiento de volumen dentro de las organizaciones.
Big Data busca comunicarse con los administradores de datos como SQL, Oracle, Postgrest e IBM – bd2 con la finalidad de gestionar sus datos. Por lo tanto, se ve en la necesidad de generar un software compatible (algoritmos) que pueda ser implementado de forma eficaz en los servidores
Big Data puede gestionar datos de tipo no estructurado, semiestructurado y estructurado, a diferencia de los sistemas tradicionales que no pueden cumplir con esta condición.
¿Podemos concluir que los sistemas Big Data son flexibles en el manejo de los tipos de datos?
¿Cómo procesamos toda esta información?
El principal objetivo de Big Data es gestionar la información, cumpliendo con ciertas especificaciones, el tiempo de procesamiento y la calidad de esta.
Computación científica
Computación distribuida
De acuerdo con el tipo de datos no estructurados, responde:
De acuerdo con el tipo de datos no estructurados, responde:
La computación distribuida
Es una de las técnicas más utilizadas para cumplir con los objetivos mencionados. Su característica es la implementación de clusters ('racimo', 'conjunto' o 'cúmulo’, conocido como un compuesto de ordenadores conectados) en la arquitectura de las organizaciones para el almacenamiento y gestión de los datos.
- Funciona de manera centralizada, ya que puede participar y ser parte del sistema Big Data en caso de ser necesario.
- La seguridad es implementada por la compañía, no se necesita alguna otra fuera de la arquitectura que utiliza la organización.
Este paradigma tiene diversas funciones de las cuales podemos destacar:
La computación científica
- Simulaciones numéricas: Se busca mejorar los procesos de cálculos matemáticos como una herramienta de análisis en la resolución de ecuaciones.
- Análisis de datos: Se utilizan herramientas como el GPU (unidad de procesamientos gráficos) para la obtención de los resultados.
- Optimización: Su fin es hacer más sencilla la obtención de resultados, agrupando datos de manera que puedan ser identificados sin ser procesados de forma particular.
Dentro de los sistemas Big Data es necesaria la resolución de problemas propios, por ejemplo: cuando intentamos generar modelos, técnicas y algoritmos. De esto se trata la computación científica, una de las tecnologías asociadas que tiene como base el uso de cálculos en la computación distribuida antes mencionada.
Sus principales aplicaciones las podemos resumir en:
Tipologías y arquitectura de un sistema Big Data
Innovación Académica
Created on May 31, 2024
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Smart Presentation
View
Practical Presentation
View
Essential Presentation
View
Akihabara Presentation
View
Flow Presentation
View
Dynamic Visual Presentation
View
Pastel Color Presentation
Explore all templates
Transcript
Tipologías y arquitectura de un sistema Big Data
Antes de presentar la información, presta atención al siguiente caso:
Tipología de datos
Debido a su arquitectura de discos estables como el CPU y la memoria, los sistemas Big Data buscan atacar el crecimiento de volumen dentro de las organizaciones. Big Data busca comunicarse con los administradores de datos como SQL, Oracle, Postgrest e IBM – bd2 con la finalidad de gestionar sus datos. Por lo tanto, se ve en la necesidad de generar un software compatible (algoritmos) que pueda ser implementado de forma eficaz en los servidores
Big Data puede gestionar datos de tipo no estructurado, semiestructurado y estructurado, a diferencia de los sistemas tradicionales que no pueden cumplir con esta condición.
¿Podemos concluir que los sistemas Big Data son flexibles en el manejo de los tipos de datos?
¿Cómo procesamos toda esta información?
El principal objetivo de Big Data es gestionar la información, cumpliendo con ciertas especificaciones, el tiempo de procesamiento y la calidad de esta.
Computación científica
Computación distribuida
De acuerdo con el tipo de datos no estructurados, responde:
De acuerdo con el tipo de datos no estructurados, responde:
La computación distribuida
Es una de las técnicas más utilizadas para cumplir con los objetivos mencionados. Su característica es la implementación de clusters ('racimo', 'conjunto' o 'cúmulo’, conocido como un compuesto de ordenadores conectados) en la arquitectura de las organizaciones para el almacenamiento y gestión de los datos.
Este paradigma tiene diversas funciones de las cuales podemos destacar:
La computación científica
Dentro de los sistemas Big Data es necesaria la resolución de problemas propios, por ejemplo: cuando intentamos generar modelos, técnicas y algoritmos. De esto se trata la computación científica, una de las tecnologías asociadas que tiene como base el uso de cálculos en la computación distribuida antes mencionada. Sus principales aplicaciones las podemos resumir en: