Formation Pig, Hive et Impala avec Hadoop
formation Pig, Hive et Impala avec Hadoop
Vue d'ensemble
Connaissances basiques en Hadoop et Big Data, en gestion de données et SQL
Objectifs pédagogiques
Programme détaillé
Chapitre introductif
Les problématiques du Big Data
Retour sur l’architecture MapReduce
Le processus ETL
Hadoop : solutions apportées et manques
Retour sur le système de fichiers distribués Hadoop (HDFS)
L’environnement d’Hadoop
Exploration de l’outil Apache Pig
Pig : définition, caractéristiques et rayon d’action
Les cas d’utilisation de Pig
Le langage Pig Latin : caractéristiques et mise en œuvre
Démarrer avec Pig
Utilisation de Pig pour traiter des données basiques
Connaître les types et les caractéristiques de données simples
Charger les données et définir les champs
Gérer la sortie des données
Techniques de tri et de filtrage des données récoltées
Utiliser les principales fonctions de traitement
Utilisation de Pig pour traiter des données complexes
Les différents formats de stockage
Connaître les types et les caractéristiques des données complexes et emboîtées
Grouper les données et utiliser la fonction built-in
Programmer des itérations de traitement de données groupées
Utilisation avancée de Pig
Effectuer des combinaisons d’ensembles de données
Exécuter des opérations sur des groupes de données
Paramètres avancés
Utiliser des macros et des fonctions utilisateurs (UDF)
Utiliser Pig avec d’autres langages
Résolution de problèmes et optimisation
Méthodes de résolution de problèmes
Utiliser l’UI web d’Hadoop pour le trouble shooting
Méthodes de débogage par échantillonnage de données
Monitoring des performances
Exploration de l’outil Apache Hive
Hive : définition, caractéristiques et rayon d’action
Le modèle de stockage de données de Hive
Hive et Pig : concurrence et complémentarités
Le langage de requête HiveQL
Démarrer avec Hive
Utilisation de Hive pour l’analyse de données relationnelles
Les bases et tableaux de données sous Hive
Connaître les types de données et leurs caractéristiques
Les formats de données dans Hive
Méthodes d’assemblage de données et fonctions de built-in
Gestion des données avec Hive
Construire des bases de données et tableaux de gestion Hive
Utiliser des tableaux autogérés
Stocker le résultat des requêtes
Sécuriser l’accès aux données
Analyse de données textuelles et études sémantiques
Les principes du traitement de données textuelles
Utiliser les fonctions String
Principes et applications du « Opinion Mining »
Optimisation et utilisation avancée
Mettre en œuvre les bonnes pratiques pour la performance des requêtes
Paramétrer les requêtes
Contrôler l’exécution des tâches
Partitionnement des données, bucketing et indexation
Utiliser des scripts pour transformer les données
Mettre en œuvre des fonctions utilisateurs (UDF)
Exploration du moteur de requêtes Impala
Impala : définition, caractéristiques et rayon d’action
Impala, Pig et Hive : concurrence et complémentarités
Impala dans le monde des bases de données relationnelles
Exemples d’utilisations du Shell Impala
Utilisation d’Impala pour l’analyse de données
Utiliser la syntaxe Impala
Connaître les types de données et leurs caractéristiques
Techniques de tri et de filtrage des données récoltées
Méthodes d’assemblage de données
Optimiser les performances
Conclusion
Prochaines sessions
du 3 nov. 2026 au 6 nov. 2026 • 4 jours
du 3 nov. 2026 au 6 nov. 2026 • 4 jours
du 3 nov. 2026 au 6 nov. 2026 • 4 jours
du 3 nov. 2026 au 6 nov. 2026 • 4 jours
du 3 nov. 2026 au 6 nov. 2026 • 4 jours
du 1 déc. 2026 au 4 déc. 2026 • 4 jours
du 1 déc. 2026 au 4 déc. 2026 • 4 jours
du 1 déc. 2026 au 4 déc. 2026 • 4 jours
du 1 déc. 2026 au 4 déc. 2026 • 4 jours
Ils nous font confiance
Cette année notre filière Bases de données & Stockage a accompagné plus de 122 entreprises dont :
Avis des participants
Tout était parfait. J'ai appris plein de nouvelles notions que je mettrai à coups sûrs, en œuvre dans mes activités quotidiennes.
M. Romefort est un formateur d'excellente qualité : pédagogue, professionnel et parfaitement préparé. Il explique chaque sujet avec soin et prend le temps de répondre à toutes les questions.
de très bons échanges pas de réponses toutes faites de la nuance et de la précision dans les réponses apportées et de la contextualisation très bonne mise en perspective sur des cas concrets je suis ravi de la formation
Formation très riches, et j'ai apprécié la pédagogie du formateur, avec tout les exercices et les cas pratiques.
Je suis entièrement satisfaite de la formation.
Votre formateur
Yassine E.
Formateur Data Engineering & Big Data
Yassine intervient sur des formations portant sur le data engineering et le Big Data. Parmi les formations qui lui sont confiées figurent notamment « Spark » et « Cassandra ». La conception de supports pédagogiques fait également partie de ses activités.
Financement
Cette formation est éligible aux financements OPCO et FNE-Formation. Nos équipes vous accompagnent dans le montage de votre dossier.
Questions fréquentes
Combien de temps dure la formation Pig, Hive et Impala avec Hadoop ?
Cette formation se déroule sur 4 jours.
Quels sont les prérequis pour suivre la formation Pig, Hive et Impala avec Hadoop ?
Connaissances basiques en Hadoop et Big Data, en gestion de données et SQL
Quel est le prix de la formation Pig, Hive et Impala avec Hadoop ?
En inter-entreprises, elle est à 3 000 € HT par participant ; en intra-entreprise, elle est à 7 400 € HT pour le groupe. Un tarif sur-mesure est également disponible sur devis.
La formation Pig, Hive et Impala avec Hadoop délivre-t-elle une certification ?
Cette formation ne délivre pas de certification. Une attestation de fin de formation vous sera remise à l'issue de la session.
La formation Pig, Hive et Impala avec Hadoop est-elle éligible à un financement OPCO ?
Oui, cette formation est éligible aux financements OPCO et FNE-Formation. Nos équipes vous accompagnent dans le montage de votre dossier.
Choisissez votre formation
Mon contact chez SPARKS est professionnel et très réactif. Les échanges sont simples, efficaces, et la collaboration se déroule dans d'excellentes conditions.
