{"id":90548,"date":"2020-08-02T13:42:53","date_gmt":"2020-08-02T11:42:53","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/reliz-platformy-dlya-raspredelyonnoj-obrabotki-dannyh-apache-hadoop-3-3"},"modified":"2020-08-02T13:42:53","modified_gmt":"2020-08-02T11:42:53","slug":"reliz-platformy-dlya-raspredelyonnoj-obrabotki-dannyh-apache-hadoop-3-3","status":"publish","type":"post","link":"https:\/\/prohoster.info\/fr\/blog\/news\/reliz-platformy-dlya-raspredelyonnoj-obrabotki-dannyh-apache-hadoop-3-3","title":{"rendered":"Publication de la plateforme de traitement de donn\u00e9es distribu\u00e9es Apache Hadoop 3.3","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Apr\u00e8s un an et demi de d\u00e9veloppement, l'organisation Apache Software Foundation a publi\u00e9<\/a><\/noindex> la sortie Apache Hadoop 3.3.0<\/a><\/noindex>, est une plateforme open source pour l'organisation du traitement distribu\u00e9 de grandes quantit\u00e9s de donn\u00e9es en utilisant la paradigme map\/reduce<\/a><\/noindex>, o\u00f9 la t\u00e2che est divis\u00e9e en de nombreux fragments plus petits, chacun pouvant \u00eatre ex\u00e9cut\u00e9 sur un n\u0153ud individuel du cluster. Le stockage bas\u00e9 sur Hadoop peut couvrir des milliers de n\u0153uds et contenir des exabytes de donn\u00e9es.<\/p>\n

Hadoop comprend une impl\u00e9mentation du syst\u00e8me de fichiers distribu\u00e9 Hadoop Distributed Filesystem (HDFS), garantissant automatiquement la redondance des donn\u00e9es et optimis\u00e9e pour les applications MapReduce. Pour simplifier l'acc\u00e8s aux donn\u00e9es, une base de donn\u00e9es HBase et un langage de type SQL nomm\u00e9 Pig ont \u00e9t\u00e9 d\u00e9velopp\u00e9s, qui fonctionne comme du SQL pour MapReduce, ses requ\u00eates pouvant \u00eatre parall\u00e9lis\u00e9es et trait\u00e9es par plusieurs plateformes Hadoop. Le projet est class\u00e9 comme enti\u00e8rement stable et pr\u00eat pour une exploitation industrielle. Hadoop est largement utilis\u00e9 dans de grands projets industriels, offrant des fonctionnalit\u00e9s similaires \u00e0 celles de la plateforme Google Bigtable\/GFS\/MapReduce, tandis que Google a officiellement d\u00e9l\u00e9gu\u00e9<\/a><\/noindex> Hadoop et d'autres projets Apache le droit d'utiliser des technologies couvertes par des brevets li\u00e9s \u00e0 la m\u00e9thode MapReduce. <\/p>\n

Hadoop se classe au premier rang parmi les d\u00e9p\u00f4ts Apache en termes de modifications apport\u00e9es et cinqui\u00e8me en taille de code (environ 4 millions de lignes de code). Parmi les grandes impl\u00e9mentations de Hadoop, on cite les syst\u00e8mes de stockage de Netflix (stockant plus de 500 milliards d'\u00e9v\u00e9nements par jour), Twitter (un cluster de 10 000 n\u0153uds en temps r\u00e9el stocke plus d'un zettabyte de donn\u00e9es et traite plus de 5 milliards de sessions par jour), Facebook (un cluster de 4 000 n\u0153uds stocke plus de 300 petabytes, augmentant quotidiennement de 4 To par jour).<\/p>\n

Principales modifications<\/a><\/noindex> dans Apache Hadoop 3.3 :<\/p>\n