Chapitre III: Limitations de Hadoop et HBase

Un système de gestion de base de données qui stocke les données par colonne plutôt que par ligne. Cela permet une meilleure optimisation pour les requêtes qui ne nécessitent que quelques colonnes.

Un théorème qui décrit les compromis inhérents aux systèmes de stockage distribués. Il stipule qu'un système distribué ne peut pas garantir simultanément la cohérence (C), la disponibilité (A) et la tolérance aux partitions (P).

Une base de données qui utilise le modèle NoSQL et qui stocke les données sous forme de documents JSON. Elle est connue pour sa flexibilité et sa scalabilité.

Une base de données NoSQL qui utilise le modèle de données document. Elle est populaire pour son évolutivité et ses performances.

Une base de données NoSQL qui utilise le modèle de graphe. Elle est conçue pour stocker et interroger des données relationnelles complexes.

HDFS est un système de fichiers distribué utilisé par Hadoop pour le stockage de données volumineuses. Cependant, il n'est pas optimal pour les applications nécessitant un accès en temps réel aux données.

Hadoop est conçu pour effectuer un traitement par lots, ce qui signifie que les données sont traitées de manière séquentielle. Cela peut entraîner des délais importants pour les applications nécessitant un accès rapide aux données.

Les bases de données NoSQL sont conçues pour gérer de grandes quantités de données et permettre un accès aléatoire aux données. Elles offrent une alternative aux bases de données relationnelles traditionnelles.

HBase est une base de données NoSQL basée sur Hadoop. Elle est conçue pour stocker et accéder rapidement à des données volumineuses, offrant une alternative à HDFS pour les accès en temps réel.

HBase utilise une structure de données appelée table, divisée en rangées et en colonnes. Cette structure permet un accès rapide aux données spécifiques.

Cassandra, CouchDB, Dynamo et MongoDB sont des exemples de bases de données NoSQL offrant des fonctionnalités de stockage et d'accès aux données similaires à HBase.

Les bases de données NoSQL offrent des avantages pour gérer des données non structurées ou semi-structurées, telles que les données sociales, les données de géolocalisation et les données du web.

Les bases de données NoSQL offrent une grande scalabilité, ce qui signifie qu'elles peuvent gérer des volumes importants de données et des flux de données importants.

Un serveur de région (HBase) est un nœud qui gère un ensemble de régions d'une table HBase. Il permet aux clients d'accéder aux données de ces régions.

Une région est une division horizontale d'une table HBase, définie par une ligne de début et une ligne de fin. Elle stocke les données d'une partie de la table et sert d'unité de base pour la distribution et la disponibilité des données.

Un magasin (Store) dans HBase contient une famille de colonnes d'une région. Chaque magasin a un MemStore, un tampon en mémoire pour les écritures, et un ensemble de fichiers HFile pour le stockage permanent.

Le MemStore est un tampon en mémoire pour les écritures dans HBase. Il stocke temporairement les modifications de données avant de les enregistrer de manière permanente dans les fichiers HFile.

Le journal d'écriture anticipée (WAL) est un fichier qui enregistre toutes les modifications de données avant d'être appliquées à la région. Cela garantit la cohérence et la récupération en cas de panne.

Une chaîne de caractères qui identifie une colonne dans une famille de colonnes. Permet d'accéder aux données.

Un groupe de colonnes partageant des propriétés et des caractéristiques communes, organisées dans un ensemble logique.

Une donnée unique stockée à l'intersection d'une ligne et d'une colonne. Contient une valeur et une version.

Une valeur numérique unique qui identifie une ligne dans la table HBase.

Un timestamp qui identifie la version d'une donnée et permet de distinguer les différentes modifications d'une cellule.

Une donnée primitive stockée dans une cellule de HBase. Elle n'a pas de type spécifique.

Indique que chaque cellule peut contenir plusieurs versions de données, stockées avec un timestamp.

Une donnée une fois écrite dans HBase ne peut pas être modifiée. Les modifications sont enregistrées comme de nouvelles versions.

Ensemble de technologies de bases de données conçues pour gérer des volumes massifs de données non structurées (ou semi-structurées), souvent distribuées et disparates.

Type de base de données NoSQL où les données sont stockées sous forme de paires clé-valeur.

Un système de gestion de bases de données (SGBD) qui autorise le stockage et la récupération de données en utilisant un modèle clé-valeur.

Modèle de données utilisé dans les bases de données NoSQL où les données sont organisées en graphes, avec des nœuds représentant les entités et les arêtes représentant les relations entre elles.

Modèle de données utilisé dans les bases de données NoSQL où les données sont stockées dans des documents, qui sont des structures de données flexibles et non relationnelles contenant des paires clé-valeur.

Modèle de données utilisé dans les bases de données NoSQL où les données sont organisées en colonnes, chaque ligne représentant une entité et chaque colonne représentant un attribut.

Capacité d'un système à gérer une quantité croissante de données et d'utilisateurs en ajoutant facilement des serveurs supplémentaires.

Capacité d'un système à gérer de manière efficace les changements fréquents dans les données et les structures.

La commande put est utilisée pour insérer des données dans une table HBase. Elle prend la forme put 'table_name', 'row_key', 'colfamily:colname', 'value'. Par exemple, put 'Message', '1', 'auteur:name', 'Said' insère la valeur 'Said' dans la colonne name de la famille de colonnes auteur pour la ligne avec la clé 1.

La commande get est utilisée pour lire des données d'une table HBase. Elle prend la forme get 'table_name', 'row_key' pour lire toutes les colonnes d'une ligne. Vous pouvez également spécifier des colonnes individuelles en utilisant le paramètre COLUMN. Par exemple, get 'Message', '1', {COLUMN => 'auteur:name'} renverra la valeur de la colonne auteur:name pour la ligne 1.

La commande scan est utilisée pour parcourir l'ensemble des lignes d'une table HBase. Elle prend la forme scan 'table_name' pour parcourir toutes les lignes. Vous pouvez filtrer les colonnes à parcourir en utilisant le paramètre COLUMNS. Par exemple, scan 'Message', {COLUMNS => ['auteur:name', 'contenu:msg']} va parcourir les lignes de la table Message et ne récupérer que les colonnes auteur:name et contenu:msg.

La commande deleteall 'table_name', 'row_key' supprime toute la ligne avec la clé 'row_key'. La commande delete 'table_name', 'row_key', 'column_name', time_stamp_value supprime une cellule spécifique, définie par la colonne column_name et l'horodatage time_stamp_value.

La commande alter 'table_name', {NAME => 'column_familly', METHOD => 'delete'} supprime la famille de colonnes column_familly.

La commande truncate 'table_name' vide le contenu de la table table_name sans la supprimer.

La commande drop 'table_name' supprime complètement la table table_name de votre système HBase.

La commande ImportTsv permet d'importer un fichier au format CSV dans une table HBase. Par exemple, ImportTsv -Dimport.bulk.input.files=file.csv -Dimport.table=table_name importera le contenu du fichier file.csv dans la table table_name.

La commande scan 'table_name' permet de visualiser le contenu de la table table_name, ligne par ligne. Vous pouvez filtrer les colonnes à afficher en utilisant le paramètre COLUMNS.