Big data y las apis

El mundo Big Data y las APIs

Marco Antonio Sanz

Índice

❏ ¿Quienes somos?

❏ ¿Por qué unir Big Data y las Apis?

❏ ¿Qué es Big Data?

❏ Las 4 Vs

❏ Bases de datos noSQL

❏ Datawarehouses Big Data

❏ Arquitectura Lambda

❏ Arquitectura de Apis

❏ Ejemplos

¿Quienes somos?

Grupo de meetup

http://www.meetup.com/API-Addicts/

Meetups realizados

❏ MADA. Metodología ágil de

definición de APIs

❏ Taller de definición de APIs

❏ Desarrolla tu primera API

❏ Seguridad en las APIs

❏ Las Apis como modelo de negocio

❏ El Mundo Cloud y las APis

Marco Antonio Sanz:http://es.linkedin.com/pub/marco-antonio-sanz-molina-prados/18/335/97/

Patrocinadores

¿qué nos ofrece?

➢ know - how de apis

➢ Experiencia en el gobierno de Apis

➢ Ejemplos de arquitecturas

➢ Experiencia en el mundo Cloud

Calle Velasco 13

Tlf: 658 89 75 75

[email protected] ·

www.cloudappi.net

http://www.cloudsystems.es/

➢ Del internet de las cosas...

¿Cómo se van a conectar?

Internet de las APIs

¿Por qué unir Big Data y las Apis?

¿Qué se hacía antes del Big Data?

¿Qué es Big Data?

➢ Clusters

➢ Optimización de servidores de aplicaciones

(cacheo, …)

➢ Optimización de servidores de base de datos

(vistas, vistas materializadas..)

➢ Data Warehouses (OBI, Mondrian…)

➢ ETLs (OBI, Kettle…)

¿Qué es Big Data?

¿Qué es Big Data?

➢ Conjunto de tecnologías

que permiten la

acumulación masiva de

datos.

Convirtiendo Big Data en Valor

The Four V’s

http://www.slideshare.net/BernardMarr/140228-big-data-slide-share

Actividad

Toda las actividades que están

realizando con tu smartphone

se está realizando tracking.

Cualquier app recoge toda la

información de uso, pero

también cosas que utilizamos

cotidianamente como los

navegadores web.

Los sistemas operativos de

cada móvil también recogen

toda la actividad que

realizamos.

The Four V’s


Conversaciones

Todas las conversaciones se

guardan digitalmente. Existen

potentes sistemas de

reconocimiento de voz para

realizar acciones con nuestros

dispositivos son recordadas.

Pj: SIRI de Apple

The Four V’s


Fotos y videos

Todos los dispositivos móviles

se han convertido en cámaras

que van generando contenidos

digitales que a su vez son

subidos en redes sociales,

como Facebook, twiiter,

instagram…

Casi todos los locales tienen su

cámara CCTV, que está

grabando las 24 horas del día.

The Four V’s


Sensores

Cada vez los dispositivos que

utilizamos poseen más

sensores, como el de posición

(GPS), el acelerómetro (lo

llevan normalmente los relojes

inteligentes y las pulseras),

pulsómetros..

La popularización de la

Raspberry pi o las placas

Arduino han ayudado a

aumentar el número de

sensores conectados a internet.

The Four V’s


El internet de las cosas

Cada vez más dispositivos

están conectados a internet.

Hemos pasado de tener los

teléfonos móviles, ordenadores

y tablets, ha tener cualquier

dispositivo como los coches,

relojes, pulseras,

electrodomésticos...

The Four V’s


Consecuencias

➢ Todo lo anterior generar

una gran cantidad de datos

con problemas de :

○ Volumen

○ Velocidad

○ Variedad

○ Veracidad

The Four V’s


Volumen

➢ Toda los datos que se generan van a crear

problemas de almacenamiento y procesamiento de

datos. Hemos pasado de hablar de Terabytes a

Zettabytes o Bronotobytes.

➢ En Internet, cada minuto se publican 6 artículos en

Wikipedia, se envían 204 millones de correos

electrónicos, se descargan 47.000 aplicaciones para

Smartphone y tablets, se abren más de 100 nuevas

cuentas en Linkedin y 320 en Twitter, se realizan

277.000 logins en Facebook que suponen 6 millones

de vistas, se escriben 100.000 tweets, se suben 30

horas de video a YouTube y se ven 1,3 millones de

videos

The Four V’s


Velocidad

➢ Los millones de

dispositivos van a enviar

datos que en ocasiones

van a requerir que sean

procesados en tiempo real.

Las aplicaciones de social

media necesitan que cada

actualización se visualice

al instante.

The Four V’s


Variedad

➢ Actualmente se reciben gran

cantidad de datos de

diferentes fuentes. Los

sistemas tradicionales nos

obliga a tener una gran

cantidad de tablas que hacen

que los sistemas adquieran

mayor complejidad.

➢ Más del 80% de los datos son

no estructurados (texto,

imágenes, video, voz..)

The Four V’s


Veracidad

➢ Antes, todos los datos debían

ser veraces, por lo que se

trabajan con sistemas

transaccionales.

➢ Actualmente, los datos

permiten que se pueda jugar

con la veracidad de los datos.

The Four V’s


CAP

● Consistencia fuerte (la C en ACID y CAP).

● Disponibilidad o Availability (la A de CAP

pero no en ACID).

● Tolerancia a fallos (la P en CAP, en inglés

Partition Tolerance).

Bases de datos noSQL

https://eamodeorubio.wordpress.com/2010/05/17/nosql-2-no-necesitas-acid/

LandScape MAP


http://files.meetup.

com/1789394/Matt

%20Aslett%20-

%20DB%20landsc

ape.pdf

http://files.meetup.com/1789394/Matt Aslett - DB landscape.pdf

Arquitecturas


Llave / Valor


La arquitectura Llave/Valor consta en una llave como

“Colonia” que se asocia con un valor “Centro”.

Estas estructuras pueden ser utilizadas como colecciones,

diccionarios, arreglos asociados o caches.

Las búsquedas realizadas en este tipo de estructuras son

rápidas ya que funcionan bajo el concepto de tablas hash.

Considerando la ausencia de índices, este tipo de

estructuras no son útiles para realizar operaciones complejas

con los datos, solo soportan sentencias simples de creación,

lectura, actualización y eliminación.

Llave / Valor - Casandra


Apache Cassandra es una base de datos NoSQL distribuida y basada en un modelo de almacenamiento de «clave-valor», escrita en Java.

Permite grandes volúmenes de datos en forma distribuida. Por ejemplo, lo usa Twitter para su plataforma.

Su objetivo principal es la escalabilidad lineal y la disponibilidad. La arquitectura distribuida de Cassandra está basada en una serie de nodos iguales que se comunican con un protocolo P2P con lo que la redundancia es máxima.

Cassandra está desarrollada por Apache Software Foundation.

http://es.wikipedia.org/wiki/NoSQL

http://es.wikipedia.org/wiki/Java_(lenguaje_de_programaci%C3%B3n)

http://es.wikipedia.org/wiki/Twitter

http://es.wikipedia.org/wiki/Apache_Software_Foundation

Llave / Valor - Redis


Redis es Open Source, con licencia BSD, que permite el almacenamiento clave valor tanto en memoria como en disco.

Las claves pueden contener texto, hashes, listas, conjuntos, bitmaps o hyperlogs.

Permite suscribirse a la información, por lo que n clientes pueden recibir la información al momento.

Orientadas a Documentos


La arquitectura basada en documentos

utiliza una estructura compleja de datos

denominada documento para almacenar los

campos de cada registro. Se pueden

generar arreglos de registros o

anidamientos de documentos. Estas

estructuras de datos son del tipo JavaScript

Object Notation (JSON), XML o BSON o del

tipo binario como PDF

MongoDB


Sistema de base de datosNoSQL orientado a documentos, desarrollado bajo el concepto de código abierto.

MongoDB forma parte de la nueva familia de sistemas de base de datos NoSQL. En vez de guardar los datos en tablas como se hace en las base de datos relacionales, MongoDB guarda estructuras de datos en documentos tipo JSON con un esquema dinámico (MongoDB llama ese formato BSON), haciendo que la integración de los datos en ciertas aplicaciones sea más fácil y rápida.

Posee algunas características de las bases de datos tradicionales, como transaccionalidad a nivel de documento, índices…

Además, permite un escalamiento horizontal.

http://es.wikipedia.org/wiki/Base_de_datos

http://es.wikipedia.org/wiki/NoSQL

http://es.wikipedia.org/wiki/C%C3%B3digo_abierto

http://es.wikipedia.org/wiki/JSON

http://es.wikipedia.org/wiki/BSON

Columnar


El modelo de columnar utiliza el esquema de llave/valor para

almacenar la información pero introduce un patrón de

jerarquías y un semi-esquema para ordenar y almacena

los datos, generando las columnas por la que es llamada

esta arquitectura. Las filas contenidas en esta base de datos

pueden variar, es decir pueden contener un número

diferente de campos ya que es una propiedad de los

registros llave/valor. Las tablas de estas bases de datos

deben ser declaradas, lo cual amarra a este tipo de bases a

la presencia de esquemas definidos para trabajar los datos.

Columnar - DynamoDB


Amazon DynamoDB es un servicio de base de datos

NoSQL rápido y flexible para todas las aplicaciones

que requiren latencias de milisegundos de un solo

dígito constantes a cualquier escala. Se trata de una

base de datos totalmente gestionada compatible con

modelos de datos de valor de clave y de documentos.

Su modelo de datos flexible y su rendimiento fiable la

convierten en una herramienta ideal para móviles,

web, juegos, tecnología publicitaria, Internet de las

cosas (IoT) y muchas otras aplicaciones.

Grafos


Las bases de datos de grafos reconocen entidades en un

negocio o dominio, y explícitamente siguen las relaciones

entre estas. Las entidades reciben el nombre de nodos y

las relaciones el nombre de aristas. Nuevas aristas

pueden ser agregadas en cualquier momento,

permitiendo relaciones uno a muchos o muchos a

muchos de una manera sencilla, evitando el uso de

tablas intermedias para la representación de esta unión,

como será en el caso en una base de datos relacional.

Estas bases de datos se enfocan más en las relaciones

de los datos, más que en las características de sus

valores.

Grafos - neo4j


Neo4j es altamente escalable, robusta base de datos

orientada a grafos (full ACID) . Es utilizada por miles

de startups, compañías y gobiernos. Sus

características principales son las siguiente:

➢ Alto rendimiento para datos altamente

conectados.

➢ Alta disponibilidad en Clúster.

➢ Cypher, un lenguaje de queries para grafos.

➢ ETL, fácil importar a través de un CSV

➢ Backups en caliente y monitorización avanzada.

Big Query

➢ Big Query permite que los

datos puedan ser

consumidos y utilizados

utilizando SQL - like queries

que utilizan la

infraestructura de Google

para realizar computación

paralela.

DWS Big Data

https://cloud.google.com/bigquery/what-is-bigquery

Amazon Redshift

➢ Amazon Redshift es una solución

rápida y totalmente gestionada de

almacén de datos a escala de

petabytes que permite analizar todos

los datos empleando de forma

sencilla y rentable las herramientas

de inteligencia empresarial de que ya

disponga.

DWS Big Data

http://aws.amazon.com/es/redshift/

Hadoop

➢ Es una framework que

permite la computación de

dataset con gran cantidad

de datos usando modelos de

programación simple.

➢ Está diseñado para escalar

hasta ciento de máquinas.

➢ La arquitectura está

diseñada para detectar y

manejar fallos en la capa de

aplicación.

Procesando los datos

http://hadoop.apache.org/

AWS Elastic Map Reduce

➢ Es un web service que hace

más fácil el proceso de

ingentes cantidades de

datos. Amazon EMR usas

Hadoop, para distribuir los

datos a través del clúster

formado por Amazon EC2.

➢ También puede ejecutar

otros frameworks como

Spark y Presto.

Procesando batch

http://aws.amazon.com/elasticmapreduce/

Storm

Es una tecnología open source que

permite el procesamiento en tiempo

real de datos.

El funcionamiento es simple, va

procesando millones de tuplas por

segundo, en una arquitectura

escalable, orientada a fallos que

garantiza que tus datos van a ser

procesados

Procesamiento online

https://storm.apache.org/

Descripción

Es un conjunto de principios para una

arquitectura de sistemas Big Data en

Tiempo Real.

Tres capas:

❏ Batch layer

❏ Serving layer

❏ Speed layer

Arquitectura Lambda

https://unpocodejava.wordpress.com/2013/09/07/arquitectura-lambda-

principios-de-arquitectura-para-sistemas-big-data-en-tiempo-real/

Batch Layer

Almacena en HDFS el dataset

maestro que es inmutable y

constantemente crece

Crear vistas arbitrarias desde este

dataset vía MapReduce (Hive,

Pig,…).

Arquitectura Lambda



Serving Layer

Se encarga de indexar y exponer las

vistas para que puedan ser

consultadas.

Como las Vistas Batch son estáticas

esta Capa sólo necesita proveer

lecturas y para eso puede usar

Impala, Stinger,…

Arquitectura Lambda



Speed Layer

Computa Vistas cuando llegan los

datos.

Esta Capa sirve para compensar la

alta latencia de la Capa Batch

generando vistas en tiempo real

usando pj Storm

Arquitectura Lambda



Al desarrollar una API

➢ Selección de la base de datos noSQL según el teorema CAP.

Pueden coexistir bases de datos noSQL con SQL.

➢ Utilizar el mundo cloud como base.

➢ Utilizar las tecnologías que mejor se ajusten a tu negocio (tener

en cuenta arquitectura Lambda).

➢ Usar formato ligeros de datos (por ejemplo, peticiones rest).

➢ No utilizar sesión en las peticiones.

➢ Al invocar servicios de terceros se deben realizar siempre de

forma asíncrona

Arquitectura de Apis

Ejemplo

Arquitectura de Apis

Ejemplos

➢ GPS status. Ayuda a senderistas a geolocalizarse

➢ BBVA wallet. Envía automáticamente los

tickets de compra

Big Data

➢ http://books.google.es/books?id=HpHcGAkFEjkC&printsec=frontcover&s

ource=gbs_ge_summary_r&cad=0#v=onepage&q&f=false

➢ http://www.slideshare.net/BernardMarr/140228-big-data-slide-share

➢ http://www.slideshare.net/IMEXresearch/big-data-overview-

9997959?next_slideshow=1

➢ http://www.slideshare.net/dpottecher/20141113-big-

tourismmygosunbigdata?qid=52b87c49-1c33-4326-8f5d-

9254ce57b4bd&v=default&b=&from_search=1

➢ http://slides.com/vadail/bigdata#/

Referencias

http://books.google.es/books?id=HpHcGAkFEjkC&printsec=frontcover&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false


http://www.slideshare.net/IMEXresearch/big-data-overview-9997959?next_slideshow=1

http://www.slideshare.net/dpottecher/20141113-big-tourismmygosunbigdata?qid=52b87c49-1c33-4326-8f5d-9254ce57b4bd&v=default&b=&from_search=1

Ruegos y preguntas

Contacta en:

Email: [email protected]

Web:

http://www.meetup.com/APIAddicts

Siguenos en:

➢ Linkedin: ApiAddicts

➢ Twitter: @apiaddicts

➢ Facebook: APIAddicts

➢ Meetup: APIAddicts

Contacta

mailto:[email protected]

http://www.meetup.com/APIAddicts

https://www.linkedin.com/company/apiaddicts

https://twitter.com/apiaddicts

https://www.facebook.com/pages/APIAddicts

http://www.meetup.com/API-Addicts/

Big data y las apis

Software

mundo big

kettle qu

apispor qu

valorthe four

siri de apple the four

prados1833 patrocinadores

apis marco antonio sanz

base de datos vistas