МОВС Обработка и анализ больших массивов данных, BigData (ММОВС22, 5-6 модули) — различия между версиями
Материал из Wiki - Факультет компьютерных наук
м (15 лекция) |
м (добавил лекции 18-20) |
||
| (не показаны 3 промежуточные версии этого же участника) | |||
| Строка 31: | Строка 31: | ||
! Занятие !! Тема !! Дата !! Доп. материалы | ! Занятие !! Тема !! Дата !! Доп. материалы | ||
|- | |- | ||
| − | | style="background:#eaecf0;" | '''1''' | + | | style="background:#eaecf0;" | '''1''' [https://www.youtube.com/watch?v=k_9GUcKctsg&list=PLmA-1xX7IuzAkhOWHn5n-Rh3Y1NoruOQ_ Запись] || [https://docs.yandex.ru/docs/view?url=ya-disk-public%3A%2F%2FDK4yZQ4%2B4BKxPG8NpPT3antMZuUv6wdHFvLpaGwZSMpfT7O%2FAl68xlJk3QmmbNZ0q%2FJ6bpmRyOJonT3VoXnDag%3D%3D%3A%2FHSE20232024_BigData.pptx&name=HSE20232024_BigData.pptx&nosw=1 Слайды] Вводная: что есть бигдата, что будет на курсе || 04.09.23 || На занятии упомянались: "Dama DMBOK2", статья [https://motherduck.com/blog/big-data-is-dead/ "BigData is Dead"].<br/> После -- [https://youtu.be/3OwMq341zQs?si=6zHJR-Cw7M3UJ4ic Видео Димы Аношина] про 2 типа инженеров данных |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''2''' | + | | style="background:#eaecf0;" | '''2''' [https://www.youtube.com/watch?v=pdBoAajgNUU&list=PLmA-1xX7IuzAkhOWHn5n-Rh3Y1NoruOQ_ Запись] || [https://docs.yandex.ru/docs/view?url=ya-disk-public%3A%2F%2FDK4yZQ4%2B4BKxPG8NpPT3antMZuUv6wdHFvLpaGwZSMpfT7O%2FAl68xlJk3QmmbNZ0q%2FJ6bpmRyOJonT3VoXnDag%3D%3D%3A%2FHSE20232024_BigData_2_hdfs.pptx&name=HSE20232024_BigData_2_hdfs.pptx&nosw=1 Слайды] HDFS: принципы и основы. Основные компоненты Hadoop || 11.09.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''3''' | + | | style="background:#eaecf0;" | '''3''' [https://www.youtube.com/watch?v=6hsGxGgvKts&list=PLmA-1xX7IuzAkhOWHn5n-Rh3Y1NoruOQ_ Запись] || MapReduce over Python: Азы || 18.09.23 || [https://youtu.be/PGkDiS-XKlE?si=9kdueo_z5eC7lFNA Доклад "Многоликая pandas"], Павел Филонов |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''4''' | + | | style="background:#eaecf0;" | '''4''' [https://www.youtube.com/watch?v=eqhZ_ktxSBw&list=PLmA-1xX7IuzAkhOWHn5n-Rh3Y1NoruOQ_ Запись] || MapReduce over Python: Join / Group By || 25.09.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''5''' | + | | style="background:#eaecf0;" | '''5''' [https://www.youtube.com/watch?v=EDbjI3cs-r4&list=PLmA-1xX7IuzAkhOWHn5n-Rh3Y1NoruOQ_ Запись] || [https://docs.yandex.ru/docs/view?url=ya-disk-public%3A%2F%2FDK4yZQ4%2B4BKxPG8NpPT3antMZuUv6wdHFvLpaGwZSMpfT7O%2FAl68xlJk3QmmbNZ0q%2FJ6bpmRyOJonT3VoXnDag%3D%3D%3A%2FHSE20232024_BigData_5_hive.pptx&name=HSE20232024_BigData_5_hive.pptx&nosw=1 Слайды] Hive || 29.09.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''6''' | + | | style="background:#eaecf0;" | '''6''' [https://www.youtube.com/watch?v=mf3J3TI6mNI&list=PLmA-1xX7IuzAkhOWHn5n-Rh3Y1NoruOQ_ Запись] || [https://docs.yandex.ru/docs/view?url=ya-disk-public%3A%2F%2FDK4yZQ4%2B4BKxPG8NpPT3antMZuUv6wdHFvLpaGwZSMpfT7O%2FAl68xlJk3QmmbNZ0q%2FJ6bpmRyOJonT3VoXnDag%3D%3D%3A%2FHSE20232024_BigData_5_yarn.pptx&name=HSE20232024_BigData_5_yarn.pptx&nosw=1 Слайды] YARN|| 02.10.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''7''' | + | | style="background:#eaecf0;" | '''7''' [https://www.youtube.com/watch?v=Qlt0Qb177B8&list=PLmA-1xX7IuzAkhOWHn5n-Rh3Y1NoruOQ_ Запись] || [https://docs.yandex.ru/docs/view?url=ya-disk-public%3A%2F%2FDK4yZQ4%2B4BKxPG8NpPT3antMZuUv6wdHFvLpaGwZSMpfT7O%2FAl68xlJk3QmmbNZ0q%2FJ6bpmRyOJonT3VoXnDag%3D%3D%3A%2FHSE20232024_BigData_6_parquet.pptx&name=HSE20232024_BigData_6_parquet.pptx&nosw=1 Слайды] Parquet/ORC колоночный формат|| 05.10.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''8''' | + | | style="background:#eaecf0;" | '''8''' [https://www.youtube.com/watch?v=aU526n01bpo&list=PLmA-1xX7IuzAkhOWHn5n-Rh3Y1NoruOQ_ Запись] || [https://docs.yandex.ru/docs/view?url=ya-disk-public%3A%2F%2FDK4yZQ4%2B4BKxPG8NpPT3antMZuUv6wdHFvLpaGwZSMpfT7O%2FAl68xlJk3QmmbNZ0q%2FJ6bpmRyOJonT3VoXnDag%3D%3D%3A%2FHSE20232024_BigData_7_Spark.pptx&name=HSE20232024_BigData_7_Spark.pptx&nosw=1 Слайды] Spark Batch || 16.10.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''9''' | + | | style="background:#eaecf0;" | '''9''' [https://www.youtube.com/watch?v=fVY_hcu5tYo&list=PLmA-1xX7IuzAkhOWHn5n-Rh3Y1NoruOQ_ Запись] || Логическая архитектура баз данных || 23.10.23 || |
|- | |- | ||
| Конец пятого модуля | | | Конец пятого модуля | | ||
|- | |- | ||
| − | | style="background:#eaecf0;" | '''10''' | + | | style="background:#eaecf0;" | '''10''' [https://youtu.be/U_3V6CK02G4?si=l-jEgpk2GwRrDRqC Запись] || GreenPlum, ClickHouse || 06.11.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''11''' | + | | style="background:#eaecf0;" | '''11''' [https://youtu.be/9kQ2pcnYIV0?si=-1o_vfW6G-X3Qepa Запись] |
| + | || SparkStreaming || 09.11.23 || | ||
|- | |- | ||
| − | | style="background:#eaecf0;" | '''12''' | + | | style="background:#eaecf0;" | '''12''' [https://youtu.be/qXXOHwoPLcs?si=lmrvAWGqc376VDsy Запись] || Spark || 13.11.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''13''' | + | | style="background:#eaecf0;" | '''13''' [https://youtu.be/qez712pYgVk?si=ZyiN-fYgccHQvRAH Запись] || Kafka || 16.11.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''14''' | + | | style="background:#eaecf0;" | '''14''' [https://youtu.be/VUcie0IkcSM?si=5xcaGclRfT2Mm9Ev Запись] || Kafka, продолжение || 20.11.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''15''' | + | | style="background:#eaecf0;" | '''15''' [https://youtu.be/6O2MeBXfUzg?si=46R8X6-Cs1BDKIEr Запись] || Apache Spark Streaming || 23.11.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''16''' [ | + | | style="background:#eaecf0;" | '''16''' [https://youtu.be/DzTzFMMUrrY?si=Za6P7wChj77d1H-i Запись] || BI-инструменты || 27.11.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''17''' [ | + | | style="background:#eaecf0;" | '''17''' [https://youtu.be/ZigRSGWGzVs?si=IsN93YdqAljg8lA5 Запись] || DataMesh || 30.11.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''18''' [ | + | | style="background:#eaecf0;" | '''18''' [https://youtu.be/gnNa0gKzn-4?si=RFsPzRbQCA9Z7-hA Запись] || Многопоточность || 11.12.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''19''' [ | + | | style="background:#eaecf0;" | '''19''' [https://youtu.be/K1g7q6sDCh8?si=ihiYNbSYc_OAB6RJ Запись] || Консультация по проекту || 14.12.23 || |
|- | |- | ||
| − | | style="background:#eaecf0;" | '''20''' [ | + | | style="background:#eaecf0;" | '''20''' [https://youtu.be/1K8Z8gvCc2w?si=P2Kwh6z0KbjQU1fS Запись] || Разбор шаблона проекта|| 18.12.23 || |
|- | |- | ||
|} | |} | ||
| Строка 88: | Строка 89: | ||
# [https://contest.yandex.ru/contest/53927/enter Контест "Hive"], '''Дедлайн: 23.10 (Пон.), 23:59 GMT+3''' | # [https://contest.yandex.ru/contest/53927/enter Контест "Hive"], '''Дедлайн: 23.10 (Пон.), 23:59 GMT+3''' | ||
# [https://contest.yandex.ru/contest/55559/enter Контест "ClickHouse"], '''Дедлайн: 12.11 (Вс.), 23:59 GMT+3''' | # [https://contest.yandex.ru/contest/55559/enter Контест "ClickHouse"], '''Дедлайн: 12.11 (Вс.), 23:59 GMT+3''' | ||
| − | # [https://contest.yandex.ru/contest/56821/problems/ Контест Spark-1], '''Дедлайн: 17.12 (Вс) | + | # [https://contest.yandex.ru/contest/56821/problems/ Контест Spark-1], '''Дедлайн: 17.12 (Вс), 23:59 GMT+3''' |
| − | # | + | # [https://contest.yandex.ru/contest/57681/enter Контест Spark-2], '''Дедлайн: 10.01 (Cр), 23:59 GMT+3''' |
| − | + | ||
| − | + | ||
| − | + | ||
# | # | ||
Текущая версия на 02:22, 21 декабря 2023
Содержание
О курсе
На нашем курсе мы поговорим про то, что такое большие данные, где хранить их, как их обрабатывать, как можно с ними работать и как давать доступ к данным другим людям.
Так как наш курс длится всего два модуля, а тема бигдаты настолько широка, что для ее глубокого изучения не хватит и двух лет, то мы разберем только самый необходимый теоретический минимум, а остальное время посвятим принципам работы популярных инструментов.
Занятия проводятся в Zoom по понедельникам в 19:40. Семинары по проектной части курса - в некоторые четверги также в 19:40
Контакты
Чат курса в TG: https://t.me/+jjXJ4m1O8shiNTcy
Преподаватель: Максим Стаценко
| Ассистент | Telegram |
|---|---|
| Андрей Дядюнов | @mr_dyadyunov |
| Андрей Бабынин | @maninoffice |
Материалы курса
Ссылка на плейлист курса на YouTube: YouTube-playlist
Ссылка на GitHub с материалами курса: GitHub repository
Яндекс.Диск с материалами курса: https://disk.yandex.ru/d/9QZ_6UIZvwvzhg
| Занятие | Тема | Дата | Доп. материалы |
|---|---|---|---|
| 1 Запись | Слайды Вводная: что есть бигдата, что будет на курсе | 04.09.23 | На занятии упомянались: "Dama DMBOK2", статья "BigData is Dead". После -- Видео Димы Аношина про 2 типа инженеров данных |
| 2 Запись | Слайды HDFS: принципы и основы. Основные компоненты Hadoop | 11.09.23 | |
| 3 Запись | MapReduce over Python: Азы | 18.09.23 | Доклад "Многоликая pandas", Павел Филонов |
| 4 Запись | MapReduce over Python: Join / Group By | 25.09.23 | |
| 5 Запись | Слайды Hive | 29.09.23 | |
| 6 Запись | Слайды YARN | 02.10.23 | |
| 7 Запись | Слайды Parquet/ORC колоночный формат | 05.10.23 | |
| 8 Запись | Слайды Spark Batch | 16.10.23 | |
| 9 Запись | Логическая архитектура баз данных | 23.10.23 | |
| 10 Запись | GreenPlum, ClickHouse | 06.11.23 | |
| 11 Запись | SparkStreaming | 09.11.23 | |
| 12 Запись | Spark | 13.11.23 | |
| 13 Запись | Kafka | 16.11.23 | |
| 14 Запись | Kafka, продолжение | 20.11.23 | |
| 15 Запись | Apache Spark Streaming | 23.11.23 | |
| 16 Запись | BI-инструменты | 27.11.23 | |
| 17 Запись | DataMesh | 30.11.23 | |
| 18 Запись | Многопоточность | 11.12.23 | |
| 19 Запись | Консультация по проекту | 14.12.23 | |
| 20 Запись | Разбор шаблона проекта | 18.12.23 |
Записи консультаций
Формула оценивания
Оценка = 0.3*ОПроект + 0.7*ОДЗ
Домашние задания
Инвайт в Anytask: JWlwe2m
- Контест "Map & Reduce", Дедлайн: 08.10 (Вс), 23:59 GMT+3
- Контест "MapReduce Python", Дедлайн: 15.10 (Вс), 23:59 GMT+3
- Контест "Hive", Дедлайн: 23.10 (Пон.), 23:59 GMT+3
- Контест "ClickHouse", Дедлайн: 12.11 (Вс.), 23:59 GMT+3
- Контест Spark-1, Дедлайн: 17.12 (Вс), 23:59 GMT+3
- Контест Spark-2, Дедлайн: 10.01 (Cр), 23:59 GMT+3
Проект
Результат проекта: имеющая практический смысл система, которая:
- производит регулярную загрузку данных в хранилище;
- обрабатывает эти данные в хранилище;
- имеет какой-то интерфейс к обработанным данным.
+ Документация к системе, в которой описаны:
- компоненты системы;
- причины использования тех или иных решений;
- назначение системы.
На этапе приёмки проекта будут проверяться и оцениваться:
- практическая полезность (лучше согласовать с преподавателем и договориться заранее) и работоспособность системы [0 - 3 балла]
- наличие регулярной загрузки новых данных в хранилище (Apache Spark Streaming // AirFlow) [0 - 2 балла]
- наличие регулярной обработки данных после их загрузки (AirFlow) [0 - 3 балла]
- наличие UI (web-интерфейс // Telegram Bot // дашборд в DataLens) [0 - 2 балла]
Литература
- «Hadoop: The Definitive Guide», Tom White
- «Spark для профессионалов», Сэнди Риза, Ури Лезерсон, Шон Оуэн и Джош Уиллс
- Та самая "книжка с кабанчиком" «Designing Data-Intensive Applications» by Martin Kleppman
- «Big Data: Principles and Best Practices Of Scalable Real-Time Data Systems» by Nathan Marz and James Warren
