Présentation d'Apache Spark

• Historique du Framework.
• Les différentes versions de Spark (Scala, Python et Java).
• Comparaison avec l'environnement Apache Hadoop.
• Les différents modules de Spark.

Programmer avec les Resilient Distributed Dataset (RDD)

• Présentation des RDD.
• Créer, manipuler et réutiliser des RDD.
• Accumulateurs et variables broadcastées.
• Utiliser des partitions.

Manipuler des données structurées avec Spark SQL

• SQL, DataFrames et Datasets.
• Les différents types de sources de données.
• Interopérabilité avec les RDD.
• Performance de Spark SQL.
• JDBC/ODBC server et Spark SQL CLI.

Spark sur un cluster

• Les différents types d'architecture : Standalone, Apache Mesos ou Hadoop YARN.
• Configurer un cluster en mode Standalone.
• Packager une application avec ses dépendances.
• Déployer des applications avec Spark-submit.
• Dimensionner un cluster .

Analyser en temps réel avec Spark Streaming

• Principe de fonctionnement.
• Présentation des Discretized Streams (DStreams).
• Les différents types de sources.
• Manipulation de l'API.
• Comparaison avec Apache Storm.

Manipuler des graphes avec GraphX

• Présentation de GraphX.
• Les différentes opérations.
• Créer des graphes.
• Vertex and Edge RDD.
• Présentation de différents algorithmes.

Machine Learning avec Spark

• Introduction au Machine Learning.
• Les différentes classes d'algorithmes.
• Présentation de SparkML et MLlib.
• Implémentations des différents algorithmes dans MLlib.