Microsoft SQL Server 2012 with Hadoop

داده‌ها را بین Apache Hadoop و SQL Server 2012 یکپارچه کنید و اطلاعات تجاری را روی داده‌های ناهمگن ارائه دهید

نمای کلی

• ادغام داده‌های بدون ساختار ( منابع Hadoop) و ساختار یافته (SQL Server 2012)
• پیکربندی و نصب کانکتورها برای انتقال دو جهته داده ها
• پر از تصاویر، نمودارها و نکات با وضوح و گام به گام -دستورالعمل‌های مرحله‌ای و مثال‌های عملی

در جزئیات

با انفجار داده‌ها، اکوسیستم منبع باز Apache Hadoop در حال جلب توجه است، با تشکر به اکوسیستم عظیم آن که پیرامون عملکردهای اصلی سیستم فایل توزیع شده (HDFS) و Map Reduce پدید آمده است. از امروز، امکان صحبت کردن SQL Server با Hadoop اهمیت فزاینده‌ای پیدا کرده است، زیرا این دو در واقع مکمل یکدیگر هستند. در حالی که پتابایت داده های ساختار نیافته را می توان در Hadoop ذخیره کرد تا پرس و جو شود، ترابایت ها از داده های ساخت یافته را می توان در SQL Server 2012 ذخیره کرد و در چند ثانیه پرس و جو کرد. این منجر به نیاز به انتقال و ادغام داده ها بین Hadoop و SQL Server می شود.

Microsoft SQL Server 2012 with Hadoop برای توسعه دهندگان SQL Server هدف قرار گرفته است. به سرعت به شما نشان می دهد که چگونه Hadoop را در SQL Server 2012 فعال کنید (با این نسخه ارسال می شود). پس از انجام این کار، کتاب بر نحوه مدیریت داده های بزرگ با Hadoop و استفاده از Hadoop Hive برای پرس و جو از داده ها تمرکز می کند. همچنین موضوعاتی مانند استفاده از توابع درون حافظه توسط SQL Server و استفاده از ابزارهای BI با داده های بزرگ را پوشش می دهد.

Microsoft SQL Server 2012 با Hadoop بر تکنیک های یکپارچه سازی داده ها بین رابطه ای (SQL Server 2012) و جهان های غیر رابطه ای (Hadoop). شما را از طریق ابزارهای مختلف برای حرکت دو طرفه داده ها با مثال های عملی راهنمایی می کند.

با استفاده از رابط های منبع باز مانند SQOOP برای وارد کردن و صادرات داده ها بین SQL Server 2012 و Hadoop و برای ایجاد راه حل های ETL با استفاده از درایور Hive ODBC برای توسعه پروژه های انتقال داده خود، با ابزارهای پیشرو در حافظه BI کار کنید. در نهایت، این کتاب نگاهی اجمالی به ابزارهای سلف سرویس BI امروزی مانند Excel و PowerView برای مصرف داده‌های Hadoop و ارائه بینش قدرتمند در مورد داده‌ها به شما می‌دهد.

آنچه از آن خواهید آموخت. این کتاب

• از رابط Native SQOOP برای جابجایی داده بین SQL Server 2012 و Hadoop استفاده کنید
• پیکربندی و استفاده از درایور Hive ODBC برای فعال کردن هر کلاینت سازگار با ODBC برای مصرف داده‌های Hadoop
• ایجاد راه‌حل‌های ETL و خودکار کردن کارهای جابه‌جایی داده‌ها بین SQL Server 2012 و Hadoop با استفاده از سرویس‌های یکپارچه‌سازی SQL Server
• گزارش‌دهی قدرتمند در مورد داده‌های یکپارچه تنها با یک موضوع چند کلیک با استفاده از ابزارهای BI سلف سرویس مایکروسافت
• ادغام داده های ساختاریافته و بدون ساختار در یک انبار مشترک برای تجزیه و تحلیل، که ضروری است

رویکرد

این کتاب یک آموزش گام به گام خواهد بود که به طور عملی کار با داده های بزرگ بر روی SQL Server را از طریق نمونه های نمونه در افزایش پیچیدگی آموزش می دهد. .

این کتاب برای چه کسانی نوشته شده است

Microsoft SQL Server 2012 with Hadoop به طور خاص برای خوانندگانی که می خواهند مهارت های Hadoop خود را با SQL گرده افشانی کنند هدف گرفته است. هوش تجاری و تجزیه و تحلیل داده سرور 2012. درک پایه ای از فناوری های سنتی RDBMS و تکنیک های پردازش پرس و جو ضروری است.

Integrate data between Apache Hadoop and SQL Server 2012 and provide business intelligence on the heterogeneous data

Overview

• Integrate data from unstructured (Hadoop) and structured (SQL Server 2012) sources
• Configure and install connectors for a bi-directional transfer of data
• Full of illustrations, diagrams, and tips with clear, step-by-step instructions and practical examples

In Detail

With the explosion of data, the open source Apache Hadoop ecosystem is gaining traction, thanks to its huge ecosystem that has arisen around the core functionalities of its distributed file system (HDFS) and Map Reduce. As of today, being able to have SQL Server talking to Hadoop has become increasingly important because the two are indeed complementary. While petabytes of unstructured data can be stored in Hadoop taking hours to be queried, terabytes of structured data can be stored in SQL Server 2012 and queried in seconds. This leads to the need to transfer and integrate data between Hadoop and SQL Server.

Microsoft SQL Server 2012 with Hadoop is aimed at SQL Server developers. It will quickly show you how to get Hadoop activated on SQL Server 2012 (it ships with this version). Once this is done, the book will focus on how to manage big data with Hadoop and use Hadoop Hive to query the data. It will also cover topics such as using in-memory functions by SQL Server and using tools for BI with big data.

Microsoft SQL Server 2012 with Hadoop focuses on data integration techniques between relational (SQL Server 2012) and non-relational (Hadoop) worlds. It will walk you through different tools for the bi-directional movement of data with practical examples.

You will learn to use open source connectors like SQOOP to import and export data between SQL Server 2012 and Hadoop, and to work with leading in-memory BI tools to create ETL solutions using the Hive ODBC driver for developing your data movement projects. Finally, this book will give you a glimpse of the present day self-service BI tools such as Excel and PowerView to consume Hadoop data and provide powerful insights on the data.

What you will learn from this book

• Use the Native SQOOP Connector for data movement between SQL Server 2012 and Hadoop
• Configure and use the Hive ODBC driver to enable any ODBC compliant client to consume Hadoop data
• Create ETL solutions and automate data movement jobs between SQL Server 2012 and Hadoop using SQL Server Integration Services
• Provide powerful reporting on the integrated data with just a matter of a few clicks using Microsoft self-service BI tools
• Merge structured and unstructured data together in a common warehouse for analysis, which is essential

Approach

This book will be a step-by-step tutorial, which practically teaches working with big data on SQL Server through sample examples in increasing complexity.

Who this book is written for

Microsoft SQL Server 2012 with Hadoop is specifically targeted at readers who want to cross-pollinate their Hadoop skills with SQL Server 2012 business intelligence and data analytics. A basic understanding of traditional RDBMS technologies and query processing techniques is essential.